推荐机器遗忘综述：基础、分类、评估与开放问题

推荐系统在塑造用户行为和决策方面的影响力日益增加，凸显了其在各个领域不断增长的影响。同时，机器学习模型在推荐系统中的广泛应用引发了对用户隐私和安全的严重担忧。随着遵守隐私法规变得更加关键，迫切需要解决推荐机器遗忘问题，即从已学习的推荐模型中消除对特定训练数据的记忆。尽管这很重要，但由于协同交互和模型参数带来的独特挑战，传统的机器遗忘方法不适合推荐机器遗忘。本综述对推荐机器遗忘的最新进展进行了全面回顾，探讨了这一新兴领域的设计原则、挑战和方法。我们提供了一个统一的分类法，对不同的推荐机器遗忘方法进行分类，随后总结了广泛使用的评估基准和指标。通过回顾当前的研究现状，本综述旨在指导开发更高效、可扩展且鲁棒的推荐机器遗忘技术。此外，我们识别了该领域的开放研究问题，这不仅为推荐机器遗忘的未来创新铺平道路，也为不同机器学习应用中更广泛的机器遗忘任务提供指引。