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

成为VIP会员查看完整内容
45

相关内容

对抗学习是一种机器学习技术,旨在通过提供欺骗性输入来欺骗模型。最常见的原因是导致机器学习模型出现故障。大多数机器学习技术旨在处理特定的问题集,其中从相同的统计分布(IID)生成训练和测试数据。当这些模型应用于现实世界时,对手可能会提供违反该统计假设的数据。可以安排此数据来利用特定漏洞并破坏结果。
【WSDM2021-Tutorial】偏见感知推荐系统的进展,134页ppt
专知会员服务
49+阅读 · 2021年3月9日
如何构建你的推荐系统?这份21页ppt教程为你讲解
专知会员服务
64+阅读 · 2021年2月12日
「元学习」最新AAAI2021-Tutorial,附视频与240页ppt
专知会员服务
113+阅读 · 2021年2月7日
LinkedIn《贝叶斯优化推荐系统》,IJCAI报告,142页ppt
专知会员服务
51+阅读 · 2021年1月11日
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
93+阅读 · 2020年10月18日
【RecSys2020干货教程】对抗机器学习推荐系统,186页ppt
专知会员服务
51+阅读 · 2020年10月10日
推荐系统之矩阵分解家族
图与推荐
13+阅读 · 2020年3月28日
【基于元学习的推荐系统】5篇相关论文
专知
9+阅读 · 2020年1月20日
推荐系统(一):推荐系统基础
菜鸟的机器学习
25+阅读 · 2019年9月2日
推荐系统概述
Linux爱好者
20+阅读 · 2018年9月6日
Arxiv
5+阅读 · 2019年6月5日
Deep Graph Infomax
Arxiv
16+阅读 · 2018年12月21日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
3+阅读 · 2018年2月22日
Arxiv
3+阅读 · 2017年12月18日
Arxiv
4+阅读 · 2016年9月20日
VIP会员
相关论文
Arxiv
5+阅读 · 2019年6月5日
Deep Graph Infomax
Arxiv
16+阅读 · 2018年12月21日
Arxiv
21+阅读 · 2018年8月30日
Arxiv
3+阅读 · 2018年2月22日
Arxiv
3+阅读 · 2017年12月18日
Arxiv
4+阅读 · 2016年9月20日
微信扫码咨询专知VIP会员