chimuichimu
commented
5 months ago Machine Unlearning for Recommendation Systems: An Insight
- 概要
- 推薦システムにおけるMachine Unlearning (MUL)のレビュー
- 推薦モデルのMachine Unlearning手法に対して、それらの概要やPros/Consが整理されている
- MULが必要になるケース
- ユーザプライバシーに関わるデータの影響の除去
- 分布外データや悪意のあるデータの影響の除去
- ユーザニーズの変化への追従
- MULのアプローチ例
- ナイーブな方法：新しいデータでモデルを再学習
- コスト高
- RecEraser
- 学習データを複数のシャードに分割して、それぞれのシャードで学習したモデルを集約する
- unlearningしたいときは、対象データが含まれるシャードのモデルだけデータを消して学習し直す
- ナイーブな方法：新しいデータでモデルを再学習
- 感想
- 実務でどれくらい必要な場面（＝学習データから一部を意図的に覗かなければならない＆全体の再学習が難しいケース）があるだろうか？
- ユーザが学習に使えるデータを制限する選択肢を持っていて、それが頻繁に発生するケースとか？
- ユーザのプライバシーに関わる対応となると完全性が求められると思うので、取りうるアプローチは限られる気がする
Hayashi-Yudai
Why
Machine Learning 輪講は最新の技術や論文を追うことで、エンジニアが「技術で解決できること」のレベルをあげていくことを目的にした会です。
prev. https://github.com/wantedly/machine-learning-round-table/issues/230
What
話したいことがある人はここにコメントしましょう！ 面白いものを見つけた時点でとりあえず話すという宣言だけでもしましょう！