論文の概要: Survey of Privacy-Preserving Collaborative Filtering

• arxiv url: http://arxiv.org/abs/2003.08343v1
• Date: Wed, 18 Mar 2020 17:14:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-22 13:27:45.956918
• Title: Survey of Privacy-Preserving Collaborative Filtering
• Title（参考訳）: プライバシー保護協調フィルタリングの実態調査
• Authors: Islam Elnabarawy, Wei Jiang, Donald C. Wunsch II
• Abstract要約: 協調フィルタリングレコメンデーションシステムは、自身の過去の好みと、同様の関心を持つ他のユーザの好みに基づいて、ユーザにレコメンデーションを提供する。 このようなシステムを使用する場合、ユーザはプライバシを心配することが多く、ほとんどのオンラインサービスに正確な情報を提供することに消極的だ。 プライバシ保存協調フィルタリングレコメンデーションシステムは、データのプライバシに関する一定の保証を維持しながら、ユーザに正確なレコメンデーションを提供することを目的としている。
• 参考スコア（独自算出の注目度）: 3.670848852348134
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Collaborative filtering recommendation systems provide recommendations to users based on their own past preferences, as well as those of other users who share similar interests. The use of recommendation systems has grown widely in recent years, helping people choose which movies to watch, books to read, and items to buy. However, users are often concerned about their privacy when using such systems, and many users are reluctant to provide accurate information to most online services. Privacy-preserving collaborative filtering recommendation systems aim to provide users with accurate recommendations while maintaining certain guarantees about the privacy of their data. This survey examines the recent literature in privacy-preserving collaborative filtering, providing a broad perspective of the field and classifying the key contributions in the literature using two different criteria: the type of vulnerability they address and the type of approach they use to solve it.
• Abstract（参考訳）: 協調フィルタリングレコメンデーションシステムは、自身の過去の好みと、同様の関心を持つ他のユーザの好みに基づいて、ユーザにレコメンデーションを提供する。 近年、レコメンデーションシステムの利用は広く増えており、どの映画を見るか、本を読むか、購入するアイテムを選ぶのに役立っている。 しかし、このようなシステムを使う場合、ユーザーはプライバシーを心配することが多く、ほとんどのオンラインサービスに正確な情報を提供することに消極的である。 プライバシー保護協調フィルタリングレコメンデーションシステムは、データのプライバシーに関する一定の保証を維持しながら、ユーザに正確なレコメンデーションを提供することを目的としている。 この調査は、プライバシ保護協調フィルタリングにおける最近の文献を調査し、分野の広い視点を提供し、文献における主要なコントリビューションを、それらが対処する脆弱性の種類と、それを解決するために使用するアプローチのタイプという2つの異なる基準を用いて分類する。

関連論文リスト

• An Efficient Multi-threaded Collaborative Filtering Approach in Recommendation System [0.0]
  本研究は,多数のユーザを効率的に扱えるスケーラブルなレコメンデーションシステムの構築に焦点を当てる。 これを実現するために、マルチスレッドの類似性アプローチが採用されている。 この並列化は従来の手法に比べて計算時間を著しく短縮し、高速で効率的でスケーラブルなレコメンデーションシステムをもたらす。
  論文  参考訳（メタデータ） (2024-09-28T06:33:18Z)
• A Deep Dive into Fairness, Bias, Threats, and Privacy in Recommender Systems: Insights and Future Research [45.86892639035389]
  本研究では,推薦システムにおける公正性,バイアス,脅威,プライバシについて検討する。 アルゴリズムによる決定が、意図せずバイアスを強化したり、特定のユーザやアイテムグループを疎外したりする方法について検討する。 この研究は、推薦システムの堅牢性、公正性、プライバシーを改善するための今後の研究の方向性を示唆している。
  論文  参考訳（メタデータ） (2024-09-19T11:00:35Z)
• User Consented Federated Recommender System Against Personalized Attribute Inference Attack [55.24441467292359]
  本稿では,ユーザの異なるプライバシーニーズを柔軟に満たすために,ユーザ合意型フェデレーションレコメンデーションシステム(UC-FedRec)を提案する。 UC-FedRecは、ユーザーが様々な要求を満たすためにプライバシー設定を自己定義し、ユーザーの同意を得てレコメンデーションを行うことを可能にする。
  論文  参考訳（メタデータ） (2023-12-23T09:44:57Z)
• Impression-Aware Recommender Systems [57.38537491535016]
  新たなデータソースは、レコメンデーションシステムの品質を改善する新しい機会をもたらす。 研究者はインプレッションを使ってユーザーの好みを洗練させ、推奨システム研究の現在の制限を克服することができる。 本稿ではインプレッションを用いたレコメンデーションシステムに関する体系的な文献レビューを行う。
  論文  参考訳（メタデータ） (2023-08-15T16:16:02Z)
• Privacy Explanations - A Means to End-User Trust [64.7066037969487]
  この問題に対処するために、説明可能性がどのように役立つかを検討しました。 私たちはプライバシーの説明を作成し、エンドユーザの理由と特定のデータが必要な理由を明らかにするのに役立ちました。 我々の発見は、プライバシーの説明がソフトウェアシステムの信頼性を高めるための重要なステップであることを示している。
  論文  参考訳（メタデータ） (2022-10-18T09:30:37Z)
• Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
  本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。 提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
  論文  参考訳（メタデータ） (2022-09-08T09:13:07Z)
• A Review on Pushing the Limits of Baseline Recommendation Systems with the integration of Opinion Mining & Information Retrieval Techniques [0.0]
  Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。 より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。 研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
  論文  参考訳（メタデータ） (2022-05-03T22:13:33Z)
• Leveraging Privacy Profiles to Empower Users in the Digital Society [7.350403786094707]
  市民のプライバシーと倫理は、ますますデジタル化されつつある社会によってもたらされる懸念の中核にある。 我々は、フィットネス領域から収集された既存のデータセットに関する実証的研究を通じて、プライバシの次元に注目し、上記の方向のステップに貢献する。 その結果、セマンティック駆動型質問のコンパクトなセットは、複雑なドメイン依存質問よりもユーザを識別するのに役立つことがわかった。
  論文  参考訳（メタデータ） (2022-04-01T15:31:50Z)
• Hotel Recommendation System Based on User Profiles and Collaborative Filtering [0.0]
  本稿では,コンテンツベースと協調フィルタリングを組み合わせたハイブリッドホテルレコメンデーションシステムを提案する。 結果として得られるシステムはハイブリッドレコメンデーションシステムとして知られている。
  論文  参考訳（メタデータ） (2020-09-21T09:57:54Z)
• A Survey on Knowledge Graph-Based Recommender Systems [65.50486149662564]
  我々は知識グラフに基づく推薦システムの体系的な調査を行う。 論文は、知識グラフを正確かつ説明可能なレコメンデーションにどのように活用するかに焦点を当てる。 これらの作業で使用されるデータセットを紹介します。
  論文  参考訳（メタデータ） (2020-02-28T02:26:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。