理解并改进对抗协同过滤（ACF）以实现鲁棒推荐
Understanding and Improving Adversarial Collaborative Filtering for Robust Recommendation
AI 导读
论文提出个性化幅度对抗协同过滤 PamaCF，为不同用户按其嵌入尺度施加个性化扰动幅度，在抵御数据投毒攻击的同时显著提升推荐性能。理论分析证明，相同训练轮数下 ACF 在干净与被投毒数据上均比传统协同过滤取得更低推荐误差。大量实验显示，PamaCF 能有效抵御多种类型的投毒攻击。