Nov, 2017
大规模下具有删除鲁棒性的子模最大化
Deletion-Robust Submodular Maximization at Scale
Ehsan Kazemi, Morteza Zadimoghaddam, Amin Karbasi
TL;DR本文主要研究如何在保护用户隐私和确保公平性的同时，高效地从大型用户生成的数据集中提取有用信息。该问题被描述成删除鲁棒子模型最大化的一个实例，我们提出了第一种内存高效的集中式、流式和分布式方法，对任意数量的敌对删除具有常数逼近保证。我们对我们的算法在真实世界的应用进行了广泛评估，包括：（i）具有位置隐私限制的 Uber 接送点；（ii）收入预测和犯罪率预测的公平性限制的特征选择；以及 (iii) 由 2,458,285 个特征向量组成的人口普查数据的删除汇总结果的健壮性。