典型文献
基于分类重要性与隐私约束的K-匿名特征选择
文献摘要：
针对原始数据集中的隐私属性作为公开特征用于挖掘可能会导致用户隐私泄露,应用K-匿名技术实现隐私保护会造成挖掘性能大幅下降的问题,提出一种基于分类重要性与隐私约束的K-匿名特征选择方法IFP_KACA,用于中文微博用户分类特征的优选.算法通过平衡特征在分类中的重要性和特征隐私度两个指标,结合K-匿名进行特征选择.即根据特征分类重要性排序选择分类性能较好并且满足隐私约束的特征进行K-匿名处理,从而得到保护特征隐私后的优选特征子集.对比实验表明,所提算法筛选的特征集能够平衡隐私保护度和分类挖掘性能,有效检测微博垃圾用户.
文献关键词：
特征选择;K-匿名;数据隐私;分类
中图分类号：
作者姓名：
樊佳锦;朱焱
作者机构：
西南交通大学信息科学与技术学院 四川 成都611756
文献出处：
引用格式：
[1]樊佳锦;朱焱-.基于分类重要性与隐私约束的K-匿名特征选择)[J].计算机应用与软件,2022(06):35-39
A类：
KACA,优选特征子集
B类：
特征选择,原始数据,私属性,开特,征用,导致用户,用户隐私,隐私泄露,匿名技术,隐私保护,选择方法,IFP,中文微博,微博用户,用户分类,分类特征,特征分类,重要性排序,分类性能,征集,分类挖掘,有效检测,数据隐私
AB值：
0.46505
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
