14、基于潜在语义分析的隐私保护同伴反馈及网页应用攻击研究

基于潜在语义分析的隐私保护同伴反馈及网页应用攻击研究

1. 潜在语义分析在隐私保护同伴反馈中的应用

在电子学习环境中，同伴间的反馈交流十分常见，但其中可能包含个人隐私信息。为解决这一问题，可采用潜在语义分析（LSA）技术对同伴反馈进行处理，以实现隐私保护。

1.1 关键概念及原理

• 奇异值分解（SVD） ：SVD 用于从给定反馈中提取最具代表性的术语和句子。例如，对于术语 X1，通过计算其 SVD 向量与各句子 SVD 向量之间的欧几里得距离，距离最短的句子即为与该术语最相关的句子。在给定反馈中，术语 X1 对应的重要句子是第三句和第五句，分别由主题 SVD 向量 3 和 SVD 向量 4 表示。
• 潜在语义分析（LSA） ：LSA 应用于同伴反馈时，可通过消除自披露句子来保护隐私。自披露句子通常不代表所有提供的反馈，因此在选择重要句子时会被隐式移除，不会包含在合成反馈中。

1.2 实验数据处理

为测试该方法，从各种英语学习论坛收集并整理了 300 条同伴反馈。具体处理步骤如下：
1. 数据预处理 ：减少数据维度，排除少于三个单词的反馈，因为这些反馈过短，无法满足学习者需求。
2. 情感分析 ：使用朴素贝叶斯分类器去除负面反馈，仅保留积极反馈用于后续合成步骤。
3. 反馈合成 ：对积极反馈应用 LSA，排除自披露句子，生成合成反馈。