2021年,IJCAI
《Cross-Domain Recommendation: Challenges, Progress, and Prospects》
跨域推荐的动机:实际应用场景中,少量的用户提供评分或者评论,传统的协同过滤方法会面临数据稀疏性问题,尤其对于新用户新产品(冷启动问题)。
跨域推荐(2007年提出):使用相对丰富域上的信息提高稀疏域上推荐的准确性。
关于CDR的综述:
Cross-domain recommender systems: A survey of the state of the art.
Tutorial on cross-domain recommender systems.
Recommender Systems Handbook.
(1) 单目标CDR:
利用原域S数据丰富(显示反馈[评分和评论]+隐式反馈[购买,浏览记录]+辅助信息[用户商品特征]),提高目标域上推荐的准确性。
(2) 多域推荐MDR:
MDR是单目标CDR的另外一个研究方向。利用多个域中的辅助信息向某一组用户推荐。
(3) 双目标CDR:
同时提高两个域上推荐的准确性。
(4) 多目标CDR:
同时提高多个域上推荐的准确性。
相关文章:Transfer Learning via Contextual Invariants for One-to-Many Cross-Domain Recomme