レコメンダーシステムForgetの作成:消去可能な推薦のための学習と学習【JST・京大機械翻訳】

Li Yuyuan; Zheng Xiaolin; Chen Chaochao; Liu Junlin

プレプリント

J-GLOBAL ID：202202209770705925 整理番号：22P0308141

レコメンダーシステムForgetの作成:消去可能な推薦のための学習と学習【JST・京大機械翻訳】

Making Recommender Systems Forget: Learning and Unlearning for Erasable Recommendation

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年03月22日プレプリントサーバーでの情報更新日： 2022年03月22日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

プライバシーの法律と規制は,データ駆動システム,例えば推薦者システム,を個人に懸念するデータを消去する。機械学習モデルは訓練データを潜在的に記憶するので,データ消去はモデル内のデータ系列を学習するべきであり,それは機械非学習(MU)の問題への関心を高めている。しかし,既存のMU法は推薦に直接適用できない。ほとんどの推薦システムの基本的アイデアは協調フィルタリングであるが,既存のMU法はユーザとアイテムの協調情報を無視している。本論文では,グループモジュールとSeqTrainモジュールから成る一般的消去可能推薦フレームワーク,すなわちLASERを提案した。第1に,グループモジュールは,ハイパーグラフを通して学習された協調埋込みの類似性に基づいて,ユーザをバランスグループに分割する。次に,SeqTrainモジュールは,カリキュラム学習によってすべてのグループに関してモデルを連続的に訓練した。2つの実世界データセットに関する理論解析と実験は,LASERが効率的非学習を達成するだけでなく,モデルユーティリティに関して最先端の非学習フレームワークを凌駕することを証明した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

その他の情報処理 , データ保護 , 人工知能

, ,

前のページに戻る