推荐系统中对抗性机器学习-文献综述与未来发展整理分享

对抗学习是一种机器学习技术，旨在通过提供欺骗性输入来欺骗模型。最常见的原因是导致机器学习模型出现故障。大多数机器学习技术旨在处理特定的问题集，其中从相同的统计分布（IID）生成训练和测试数据。当这些模型应用于现实世界时，对手可能会提供违反该统计假设的数据。可以安排此数据来利用特定漏洞并破坏结果。。

本资源整理了对抗学习在推荐系统中的应用最近几年的一些经典论文，分享给需要的朋友。

资源整理自网络，资源获取见源地址：https://github.com/sisinflab/adversarial-recommender-systems-survey

论文资源列表

往期精品内容推荐

携图灵君免费送书啦|《图解机器学习算法》 看看图就能学会的机器学习算法书来了！

2020问答系统（QA）最新论文、书籍、数据集、竞赛、课程资源分析

互联网数据驱动力简书-《数据推动力-创造数据文化》免费pdf分享

Fast.ai-《程序员深度学习实战课程2020》最新视频分享（带中英双字幕）

深度学习架构论文解读9-规范等变卷积网络和二十面体CNN

加州理工《数据驱动算法设计》课程(2020)视频及ppt分享

2020年新课-《TensorFlow 2.0初学者入门》视频分享

2020年新书速递-《因果推理原理：基础与学习算法》分享