推荐系统的多选择机制
机器学习
2025-04-11 v1
摘要
我们提出了一个多选择模型的构建方法，用于在推荐系统背景下回答差分隐私查询。服务器向用户返回多个推荐和一个“本地模型”，用户可以在其设备上本地运行该模型，以选择最符合其隐私特征的项目。我们研究了一种设置，其中服务器使用深度神经网络（在Movielens 25M数据集上训练，作为电影推荐的真实值）。在多选择范式中，平均推荐效用约为最优效用（由真实值神经网络确定）的97%，同时保持局部差分隐私保证，ε值在1左右（相对于相邻用户的特征向量）。相比之下，在相同约束下，非多选择机制的平均推荐效用为91%。
引用
@article{arxiv.2504.07403,
title = {Multi-Selection for Recommendation Systems},
author = {Sahasrajit Sarmasarkar and Zhihao Jiang and Ashish Goel and Aleksandra Korolova and Kamesh Munagala},
journal= {arXiv preprint arXiv:2504.07403},
year = {2025}
}