研究文章
保护隐私和可伸缩的服务推荐基于SimHash在分布式云环境
| 步骤1(建筑物用户索引基于SimHash离线)。为每个用户
,计算 |
| 他/她的散列值基于SimHash离线。然后被认为是该指数吗 |
| 为
。 |
| 步骤2(发现“可能类似的“目标用户的朋友)。根据相同的散列 |
| 函数采用步骤1,计算用户指数
,也就是说,
。如果汉明 |
| 之间的距离和小于3,然后被认为是一个 |
| “可能相似”的朋友
。 |
| 步骤3(发现“真的类似”目标用户的朋友)。可能“相似”的朋友 |
| 在步骤2中获得,就算他/她的相似性
;如果相似度比一个大 |
| 阈值
,然后真的是一个“相似”的朋友吗
。 |
| 步骤4(服务推荐)。根据“真的类似”朋友派生 |
| 第三步,预测从未调用的服务的质量和推荐 |
| quality-optimal服务
。 |
|
