先删除再修正：一种无需训练的参数编辑方法用于成本有效的图学习遗忘

BriefGPT - AI 论文速递 ·

随着数据隐私关注增加，图神经网络中的遗忘概念受到关注。现有方法常导致过度遗忘，影响预测准确性。为此，研究简化了 GNNDelete 方法，推出 UtU 方法，通过断开图结构中的边实现遗忘。实验显示，UtU 在高隐私保护和准确性下，计算需求低，是一种轻量实用的解决方案。

UtU 准确性图神经网络数据隐私遗忘

原文中文，约500字，阅读约需2分钟。