第14届推荐系统顶级会议ACM RecSys在9月22日到26日在线举行。来自意大利Polytechnic University of Turin做了关于对抗推荐系统的教程《Adversarial Learning for Recommendation: Applications for Security and Generative Tasks – Concept to Code》,186页ppt,干货内容,值得关注。

https://recsys.acm.org/recsys20/tutorials/#content-tab-1-3-tab

对抗式机器学习(AML)是从识别计算机视觉任务中的漏洞(如图像分类)开始,研究现代机器学习(ML)推荐系统中的安全问题的研究领域。

在本教程中,我们将全面概述AML技术在双重分类中的应用:(i)用于攻击/防御目的的AML,以及(ii)用于构建基于GAN的推荐模型的AML。此外,我们将把RS中的AML表示与两个实际操作会话(分别针对前面的分类)集成在一起,以显示AML应用程序的有效性,并在许多推荐任务中推进新的想法和进展。

本教程分为四个部分。首先,我们总结了目前最先进的推荐模型,包括深度学习模型,并定义了AML的基本原理。在此基础上,我们提出了针对RSs的攻击/防御策略的对抗性推荐框架和基于GAN实践环节。最后,我们总结了这两种应用的开放挑战和可能的未来工作。

成为VIP会员查看完整内容
52

相关内容

【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
94+阅读 · 2020年10月18日
【ECML/PKDD20教程】图表示学习与应用,200页ppt
专知会员服务
90+阅读 · 2020年10月18日
专知会员服务
64+阅读 · 2020年9月10日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
最新《生成式对抗网络》简介,25页ppt
专知会员服务
173+阅读 · 2020年6月28日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
【WWW2020】DGL深度图神经网络实战教程,PPT+代码
专知会员服务
175+阅读 · 2020年4月12日
南洋理工大学,深度学习推荐系统综述
专知会员服务
174+阅读 · 2019年10月14日
【干货】Ian GoodFellow ICLR 2019演讲:对抗机器学习的进展与挑战
GAN生成式对抗网络
18+阅读 · 2019年5月15日
【学界】GANs最新综述论文: 生成式对抗网络及其变种如何有用
GAN生成式对抗网络
30+阅读 · 2019年1月5日
Hardness-Aware Deep Metric Learning
Arxiv
6+阅读 · 2019年3月13日
Arxiv
7+阅读 · 2018年6月8日
Arxiv
8+阅读 · 2018年2月23日
Arxiv
9+阅读 · 2018年1月30日
VIP会员
相关VIP内容
【PKDD2020教程】机器学习不确定性,附88页ppt与视频
专知会员服务
94+阅读 · 2020年10月18日
【ECML/PKDD20教程】图表示学习与应用,200页ppt
专知会员服务
90+阅读 · 2020年10月18日
专知会员服务
64+阅读 · 2020年9月10日
基于知识图谱的推荐系统研究综述
专知会员服务
327+阅读 · 2020年8月10日
最新《生成式对抗网络》简介,25页ppt
专知会员服务
173+阅读 · 2020年6月28日
少标签数据学习,54页ppt
专知会员服务
196+阅读 · 2020年5月22日
【WWW2020】DGL深度图神经网络实战教程,PPT+代码
专知会员服务
175+阅读 · 2020年4月12日
南洋理工大学,深度学习推荐系统综述
专知会员服务
174+阅读 · 2019年10月14日
微信扫码咨询专知VIP会员