文献

J-GLOBAL ID：202002290936857880   整理番号：20A2139260

因数分解機械に対する離散敵対摂動に対する証明可能ロバスト性【JST・京大機械翻訳】

Certifiable Robustness to Discrete Adversarial Perturbations for Factorization Machines

著者 (6件)： Liu Yang (Sun Yat-sen University, Guangzhou, China) ,  Xia Xianzhuo (Sun Yat-sen University, Guangzhou, China) ,  Chen Liang (Sun Yat-sen University, Guangzhou, China) ,  He Xiangnan (University of Science and Technology of China, Hefei, China) ,  Yang Carl (Emory University, Atlanta, GA, USA) ,  Zheng Zibin (Sun Yat-sen University, Guangzhou, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGIR ’20  ページ： 419-428  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 因子化マシン(FM)は,推薦システムにおける離散特徴相互作用をモデル化するために広く採用されている。それらの大きな成功にもかかわらず,現在,離散敵対摂動に対するロバスト性の研究はない。ある数の離散入力特徴を修正するかどうかは,FMの予測に劇的な影響を及ぼす。FMのためのロバスト訓練法が存在するが,それらは入力特徴の離散特性を無視して,モデルロバスト性を検証するために有効な機構の欠如を欠いている。本研究では,入力特徴に関する離散摂動に関して,因数分解機械の証明可能なロバスト性のための最初の方法を提案した。インスタンスが確かにロバストであるならば,摂動と攻撃モデルが何であるかは,ロバストであると保証される。同様に,FMの予測を変化させる離散敵対摂動の存在による非ロバスト証明書を提供した。そのようなロバスト性証明書を通して,著者らはFMsと現在のロバスト訓練方法が離散的敵対的摂動に対して脆弱であることを示した。脆弱性は結果の信頼性をなくし,FMの適用を制限する。そのような摂動に対するFMのロバスト性を高めるために,コアのアイデアが証明可能にロバストであるインスタンスの数を増すためのロバストな訓練手順を提示した。3つの実世界データセットに関する広範な実験は,著者らの方法が予測精度にほとんど影響を及ぼさない因数分解機械のロバスト性を著しく強化することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  信頼性 ,  *因数分解 ,  *摂動 ,  *ロバスト性
準シソーラス用語： 証明書 ,  因子化 ,  予測精度 ,  推奨システム ,  脆弱性 , 【Automatic Indexing@JST】

著者キーワード (4件)： 敵対の例 ,  因数分解マシン ,  ロバスト性 ,  スパース予測

分類 (1件)： システム設計・解析  (IA02030D)

タイトルに関連する用語 (5件)： 因数分解 ,  敵対 ,  摂動 ,  証明 ,  ロバスト性