Indeed02 3.55
SURF: Subtractive Updates for Recommender Forgetting
SURF 面向序列推荐中的近似机器遗忘，避免每次删除请求都全量重训。方法先在物品 embedding 空间定位待遗忘物品的邻域，在局部数据上训练辅助模型，再从原模型的推理分数中减去辅助分数。作者在 7 个数据集上比较 5 个基线，报告最高 32% 的 NDCG@20 改善，以及仅需全量重训基线 2% 的时间预算。
INSIGHT对社区 UGC 场景，可将局部辅助模型作为删除内容后修正个性化排序的实验方向，重点检查邻域选择是否误伤其他兴趣相关内容。该方法调整的是推荐分数，并非证明所有训练信息已被彻底删除；应同时衡量遗忘效果、保留物品的 nDCG 和双模型推理开销，再决定是否采用。
Filippo Betello, Antonio Purificato, Nicola Tonellotto, Fabrizio Silvestri
arXiv·2026-09-16·Relevance 3 · Novelty 3 · Practical 4 · Evidence 4 · Timely 5