嘿,记得给“机器学习与推荐算法”添加星标
今天跟大家分享一篇利用机器遗忘学习(Machine Unlearning)来选择性的忘掉某些特定数据进而完成带有隐私保护功能的推荐系统的文章。该文章发表在WWW2022会议上,是第一篇解决机器遗忘问题的推荐系统工作。该文提出了一种通用的可擦除推荐框架RecEraser,其通过将全部训练数据集进行划分成若干份,然后在每份子数据集上单独训练推荐模型,最后将多个子推荐模型的结果进行聚合来得到最终的推荐结果。由于其可以只重新训练删除数据的子模型而不用重新训练整个模型,因此可以以实现高效的数据擦除与出色的推荐性能。
论文:https://arxiv.org/abs/2201.06820
代码:https://github.com/chenchongthu/Recommendation-Unlearning
推荐系统通过从收集到的个人数据中学习用户的个人偏好以此来提供个性化的推荐服务。然而,在许多情况下,推荐系统也需要忘记一些训练数据。从隐私的角度来看,用户希望有一种工具可以从训练过的模型中消除他们敏感数据的影响,比如用户浏览过一些商品之后不想让模型记