Quoc Viet Hung Nguyen

Uma nova abordagem pra melhorar as recomendações mantendo os dados do usuário em sigilo.

Analisando os riscos e defesas contra ataques de envenenamento em recomendações online.

Fast-FedUL oferece métodos rápidos de remoção de dados para aprendizado federado enquanto garante a privacidade.

Um novo modelo melhora as recomendações enquanto protege a privacidade do usuário.

Este estudo avalia métodos de incorporação leves para sistemas de recomendação eficazes.

SCALL ajusta os tamanhos de embedding para melhores recomendações usando menos memória.

Uma nova estrutura melhora a previsão de séries temporais enquanto garante a privacidade dos dados.