近年来,我国互联网和电子商务的发展迅猛,覆盖面也越来越广泛,极大地改变了人们原有的学习、工作和生活方式。用户面对海量的信息,需要耗费大量的时间和精力才有可能找到符合自身需求的信息。面临选择难的问题,推荐系统应时而生,解决以上个性化差异的问题。但是随之而来的隐私泄露情况日益严峻,网络倒卖信息越演越烈,垃圾短息、骚扰电话甚至是诈骗,给人们的生活和经济都带来了极大的损害,因此把网络隐私保护引入推荐系统,是重要而又不可避免的趋势。本文为了加强用户隐私保护,改进推荐系统,做了如下几方面的工作:一、隐私保护和推荐系统间的问题研究。通过对隐私保护的方式、影响隐私和现状进行文献研究,同时针对推荐系统中的隐私信息肆意使用情况,提出引入隐私保护策略的解决方案的想法,寻找隐私保护和推荐效果的平衡点。二、用户隐私关注调研。为了提出解决方案,前提是找准用户对隐私关注程度和推荐系统中隐私使用的分歧,以此本文采用问卷调研的方式,通过探索因子分析法了解用户对于隐私的收集、认知和控制三方面的情况,将隐私信息依据关注程度分类,为提出相应的保护策略提供理论基础。三、隐私保护策略下的推荐系统改进。对用户隐私关注和推荐系统架构中隐私风险进行交叉分析,提出隐私保护策略,对推荐系统架构建改进。首先对用户数据进行ETL信息处理,其次将用户关注较高的隐私信息在数据仓库应用K-匿名算法进行隐私保护;其次在推荐层利用K-means聚类算法构建用户模型,用类的概念替换用户个体;最后应用推荐算法进行相似性计算,得到TOP-N推荐集。四、实验验证系统效果。本文将利用O2O外卖用户评分数据,验证隐私保护策略的可行性与改进后推荐系统的有效性。