题目：个性化服务中一种隐私保护与聚类方法的提出与实现

个性化服务代表了网络信息服务的发展趋势，涉及Web内容挖掘、人工智能、Web服务等领域，它通过收集用户信息进行数据挖掘来获悉用户的兴趣，从而达成主动推荐的目的。尽管近年来个性化服务技术迅速发展，但仍然面临许多挑战。如何在提供个性化服务的同时有效地保护用户的隐私和信息安全得到越来越多研究者的关注；个性化服务系统客观上要求能够及时地对在线用户进行资源推荐，但随着个性化系统规模的扩大，系统的用户数目在不断增加，系统的性能将会受到严重影响，如何提高系统的推荐速度和质量是迫切需要解决的问题。论文对个性化服务领域中用户隐私保护技术以及用户群聚类算法行了深入探索和研究。本文的主要研究内容包括用户隐私保护标准的研究，用户隐私保护方法的研究与改进，用户群聚类算法的研究与改进。本文研究并提出了一种基于P3P标准的用户信息采集与处理的方法，该方法对传统的用户数据采集技术加以改进，并给出了数据扰乱方法。该方法充分考虑了不同用户对隐私保护的需求，采用非对称的数据扰乱方法，在充分保证用户隐私信息的前提下，提高了个性化系统的推荐质量。试验表明该方法在对用户的适应性、推荐服务的质量方面均优于传统隐私保护方法。本文在分析个性化服务领域常用聚类算法的基础之上，给出了一种用户群聚类算法。该算法基于模糊聚类，克服了原来传统聚类方法不能对聚类边缘用户给出有效推荐的缺陷，提高了个性化推荐的精度。试验表明该算法与传统的聚类算法相比具有较好的聚类质量。本文结合课题依托项目南水北调中线干线工程建设管理信息系统的特定需求，设计实现了个性化服务系统的原型架构，并采用基于J2EE的技术框架实现了该原型系统。