摘要：协同过滤推荐算法被广泛应用于电子商务数据化运营中,由于数据分析项目类型较多,涉及不同的业务场景、业务目标,协同过滤推荐算法也不尽相同,针对某电商网站书籍类项目,基于书籍购买者对书籍的评分设计了一个针对用户购买意向的协同推荐算法,根据用户的历史行为信息,寻找与新用户相似的其他用户;同时,根据这些相似用户对其他项的评价信息预测当前新用户可能喜欢的项,以达到推荐目的。

摘要：现有匿名算法多数仅针对准标识符进行泛化实现隐私保护,未考虑敏感属性的个性化保护问题。为此,在p-sensitive k匿名模型的基础上设计敏感属性个性化隐私保护算法。根据用户自身的敏感程度定义敏感属性的敏感等级,利用敏感属性泛化树发布精度较低的敏感属性值,从而实现对敏感属性的个性化保护。实验结果表明,该算法可有效缩短执行时间,减少信息损失量,同时满足敏感属性个性化保护的要求。