文献

J-GLOBAL ID：202202266648814155   整理番号：22A0457490

ロバストな所有権ベース推薦システムのための方向性敵対訓練【JST・京大機械翻訳】

Directional Adversarial Training for Robust Ownership-Based Recommendation System

著者 (4件)： Wu Zhefu (College of Information Engineering, Zhejiang University of Technology, Hangzhou, China) ,  Paul Agyemang (College of Information Engineering, Zhejiang University of Technology, Hangzhou, China) ,  Cao Junzhuo (College of Information Engineering, Zhejiang University of Technology, Hangzhou, China) ,  Fang Luping (College of Information Engineering, Zhejiang University of Technology, Hangzhou, China)
資料名： IEEE Access  (IEEE Access)
巻： 10  ページ： 2880-2894  発行年： 2022年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 機械学習アルゴリズムはサイバー攻撃を受けやすく,コンピュータビジョン,音声認識,および推薦システムにおけるセキュリティ問題を提起する。今まで,研究者は,防御戦略として敵対訓練の採用において大きな歩道を作った。モデル普遍性とレジリエンスを改善するための実行可能な解決策として,単一ステップ敵対訓練法を提案した。しかし,安定した結果を捉えるのに失敗する,所有権ベースの推薦の文脈でこの問題に取り組む研究は少ない。本研究では,所有権推薦システムに対する単一ステップ広告訓練を適用した。主な技術的寄与は以下の通りである。(1)著者らは,所有権推薦のための因数分解機械と単一段階敵対訓練を結合するモデル,敵対消費と生産関係(ACPR)を提案する。それは,所有権推薦のための従来のマトリックス因数分解法の代わりに因数分解機械と消費-生産相互作用をモデル化することを可能にした。(2)著者らは,方向性敵対訓練でACPR技術を豊かにし,著者らの技術Adversarial消費と生産関係-Aware Directive Adversal Model(ACPR-ADAM)と呼ぶ。ACPR-ADAMの背後にあるアイデアは,最悪摂動方向の代わりに,埋込み空間における摂動方向が,現在の埋込み空間における他の例に限定され,協調信号を訓練過程に組み込むことを可能にした。最後に,RedditとPinterestに関する広範囲な評価を通して,著者らの提案方法が最先端の方法より優れていることを実証した。RedditとPinterestデータセットのCPRとACPRと比較して,提案したACPR-ADAMは,AUCとHRに関して,それぞれ93%,88%と72%,69%の強化を達成した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 音声認識 ,  相互作用 ,  広告 ,  歩道 ,  レジリエンス ,  因数分解 ,  コンピュータビジョン ,  摂動 ,  *ロバスト性 ,  普遍性 ,  セキュリティ ,  学習アルゴリズム ,  サイバー攻撃
準シソーラス用語： *推奨システム ,  行列因数分解 , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： ロバスト ,  所有権 ,  推薦システム ,  方向性 ,  敵対 ,  訓練