对抗学习如何应用到推荐系统？ECIR2021<对抗学习推荐系统>教程，197页ppt

现代推荐系统(RS)使用各种机器学习(ML)模型为用户提供个性化推荐。尽管ML模型在推荐方面取得了巨大的成功，但对于竞争对手来说，它们往往不够强大，后者可能会采取措施将推荐转化为恶意结果。在2000年至2015年期间，人工设计的假档案(又称先令攻击)的注入是研究的重点，过去几年的特点是对抗机器学习(AML)技术的崛起，即基于机器学习的方法来攻击和防御RS。

在本教程中，我们将概述RS中的AML应用，特别是，我们将介绍RS中的AML使用的双重分类:一种基于对抗性攻击和防御研究的分类，针对模型参数、内容数据或用户元素交互; 二是利用生成对抗网络(GAN)提出新的推荐模型。

https://www.ecir2021.eu/tutorials/

目录内容：

• 引言

• 对抗机器学习

• 生成式对抗网络

• 对抗学习推荐系统
  

专知便捷查看

便捷下载，请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“AL4REC” 就可以获取《对抗学习如何应用到推荐系统？ECIR2021<对抗学习推荐系统>教程，197页ppt》专知下载链接

专知，专业可信的人工智能知识分发 ，让认知协作更快更好！欢迎注册登录专知www.zhuanzhi.ai，获取5000+AI主题干货知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程资料和与专家交流咨询！

点击“ 阅读原文 ”，了解使用 专知 ，查看获取5000+AI主题知识资源