跨域推荐综述：分类体系、方法与未来方向
信息检索
2022-07-26 v2 机器学习
摘要
传统推荐系统面临两个长期存在的障碍，即数据稀疏性与冷启动问题，这促进了跨域推荐（CDR）的出现与发展。CDR 的核心思想是利用从其他域收集的信息来缓解某一域中的这两个问题。过去十年间，许多工作致力于跨域推荐。近来，随着深度学习与神经网络的发展，大量方法涌现。然而，关于 CDR 的系统性综述有限，尤其是涉及最新提出的方法以及它们所应对的推荐场景与推荐任务。在本综述中，我们首先提出了一个跨域推荐的两级分类体系，对不同推荐场景与推荐任务进行分类。随后我们以结构化方式介绍并总结不同推荐场景下的现有跨域推荐方法。我们还整理了常用数据集。最后，我们给出该领域若干潜在研究方向以作收束。
引用
@article{arxiv.2108.03357,
title = {A Survey on Cross-domain Recommendation: Taxonomies, Methods, and Future Directions},
author = {Tianzi Zang and Yanmin Zhu and Haobing Liu and Ruohan Zhang and Jiadi Yu},
journal= {arXiv preprint arXiv:2108.03357},
year = {2022}
}