Netflix and Forget：基于双线性推荐的高效精确机器遗忘
机器学习
2023-02-15 v1 信息检索
摘要
人们会分手、流产、失去挚爱。然而，他们的在线流媒体与购物推荐未必会更新，并可能成为其失落的不快提醒。当用户想要撤销其过往行为时，他们期望推荐平台在模型层面擦除选择性数据。理想情况下，给定任意指定的用户历史，推荐系统能够回退或“遗忘”，仿佛该记录并非训练的一部分。为此，本文聚焦于基于矩阵补全的简单但广泛部署的双线性推荐模型。在不产生重训练成本、且不必要地降低模型性能的前提下，我们通过针对交替最小二乘（Alternating Least Squares）优化下的微调过程做若干关键修改，开发了 Unlearn-ALS，从而可应用于任意双线性模型而无关其训练过程。我们表明，Unlearn-ALS 与重训练一致且不存在任何模型退化，并展现出快速收敛，使其适用于一大类现有推荐系统。
引用
@article{arxiv.2302.06676,
title = {Netflix and Forget: Efficient and Exact Machine Unlearning from Bi-linear Recommendations},
author = {Mimee Xu and Jiankai Sun and Xin Yang and Kevin Yao and Chong Wang},
journal= {arXiv preprint arXiv:2302.06676},
year = {2023}
}
备注
8 pages, 8 figures