DIIT：面向工业跨域推荐的领域无关信息传递方法

跨域推荐（CDR）因能够利用跨域的丰富信息而受到广泛关注。然而，大多数现有CDR方法假设处于理想的静态条件，这在工业推荐系统（RS）中并不实际。因此，仅仅将现有CDR方法应用于工业RS环境可能导致效果和效率低下。为填补这一空白，本文提出了DIIT（Domain-Invariant Information Transfer），一种用于工业跨域推荐的领域无关信息传递方法。具体而言，本文首先模拟维持多个域各自模型的工业RS环境，其中每个模型以增量模式进行训练。随后，为提高效果，本文设计了两个抽取器，分别在域级别和表征级别充分提取最新源域模型中的领域无关信息。最后，为提高效率，本文设计了一个迁移器，将提取的信息传递到最新的目标域模型，该模型仅需目标域模型即可进行推理。在一个生产数据集和两个公开数据集上的实验验证了DIIT的效果和效率。