МЕТОДИ ДИФЕРЕНЦІЙНОЇ ПРИВАТНОСТІ В ГІБРИДНИХ СИСТЕМАХ РЕКОМЕНДАЦІЙ НА ОСНОВІ МАТРИЧНОЇ ФАКТОРИЗАЦІЇ
Завантаження
Посилання
Шумейко О.О., Сотник В.С., Жульковська І.І., Жульковський О.О. Використання методів Data Mining для обробки мовної інформації. Математичне моделювання. 2021. № 2 (45). С. 48–57. URL: https://doi.org/10.31319/2519-8106.2(45)2021.246944
Vokhmianin H., Zhulkovska I., Zhulkovskyi O., Ulianovska Yu., Mala Yu. Forecasting demand for products using neural models and time series. Mathematical Modeling. 2024. Vol. 50 (1). pp. 19–31. URL: https://doi.org/10.31319/2519-8106.1(50)2024.304779
Shokri R., Stronati M., Song C., Shmatikov V. Membership inference attacks against machine learning models. Proc. 2017 IEEE Symposium on Security and Privacy (SP). 2017. P. 3–18. URL: https://doi.org/10.1109/SP.2017.41
Dwork C., Roth A. The algorithmic foundations of differential privacy. Foundations and Trends in Theoretical Computer Science. 2014. 9(3–4). P. 211–407. URL: https://doi.org/10.1561/0400000042
Gomez-Uribe C. A., Hunt N. The Netflix recommender system: algorithms, business value, and innovation. ACM Transactions on Management Information Systems. 2016. 6(4). Article 13. URL: https://doi.org/10.1145/2843948
Zhang S., Yao L., Sun A., Tay Y. Deep learning based recommender system: a survey and new perspectives. ACM Computing Surveys. 2019. 52(1). Article 5. URL: https://doi.org/10.1145/3285029
Zhulkovska I., Zhulkovskyi O., Yakovenko V., Rudianova T., Mala Yu., Lebedkin D. Approaches to Ensuring Data Privacy in Machine Learning Models. Mathematical Modeling. 2026. Vol. 54. No 1. pp. 49–57. URL: https://doi.org/10.31319/2519-8106.1(54)2026.352417
Zhulkovskii O., Panteikov S., Zhulkovskaya I. Information-modeling forecasting system for thermal mode of top converter lance. Steel in Translation. 2022. Vol. 52. No. 5. P. 495–502. URL: https://doi.org/10.3103/S0967091222050138
