题目:Cross-domain Recommendation Without Sharing User-relevant Data
(仅为总结所读文献,以供本人日后查阅)
作者
Chen Gao, Xiangning Chen, Fuli Feng,……
文献来源
The World Wide Web Conference
关键字
跨域推荐,隐私保护,深度学习
研究问题:【为避免用户隐私信息泄露+减轻数据稀疏问题】
如今的一些跨域推荐任务假设所有信息都是共享的,但是在现实世界里这种情况十分少见,因为使用用户隐私信息是违反商业隐私规则的。提出NATR(神经注意转移推荐Neural Attention Transferred Recommendation),使用神经网络的表示能力,NATR只共享物品端的信息,不共享用户隐私信息。
模型
频繁出现的:信息系统:协同过滤;推荐系统;安全和隐私:隐私保护协议。
通过重建对用户-项目交互矩阵的学习,共享项目信息:项目仍然可以通过用户交互等信息使用CF进行编码,只是没有了显式语义的潜在向量,把用户隐私泄露的可能性降到最小。