面向隐私保护的轻量级个性化推荐方法

申胜云; 姚冬冬

doi:10.16009/j.issn.1009-5624.2026.06.063

信息记录材料 ›› 2026, Vol. 27 ›› Issue (6) : 193 -196. DOI: 10.16009/j.issn.1009-5624.2026.06.063

面向隐私保护的轻量级个性化推荐方法

申胜云, 姚冬冬

作者信息 +

Author information +

文章历史 +

PDF

摘要

针对科研信息服务平台资源快速增长导致的信息过载问题，以及传统个性化推荐依赖敏感属性/深度画像带来的隐私合规与用户信任风险，本文提出一种面向隐私保护的轻量级个性化推荐方法。该方法在数据最小化与去标识化约束下，仅使用公开物料特征、匿名交互日志与聚合统计信号，构建“内容相似—物品共现—趋势热度”三路候选召回机制，并采用可解释的规则融合评分进行重排;同时引入类目覆盖约束与冗余抑制策略，以降低推荐列表同质化，并提供推荐解释与策略开关以便部署与治理。基于MIND-small开发集的离线评估结果表明，与以Content为代表的基线模型相比，本文精度版模型在平均倒数排名(MRR)、归一化折损累计增益前5位(nDCG@5)、归一化折损累计增益前10位(nDCG@10)指标上实现稳定提升;治理版模型在保持相关性总体稳定的同时，显著提升类目覆盖，验证了该方法在隐私友好前提下的有效性与可控性。