推荐系统中的联合建模：综述

在当今的数字格局中，深度推荐系统（DRS）在导航和定制在线内容以满足个人偏好方面发挥着关键作用。然而，主要依赖单一推荐任务、场景、数据模态和用户行为的方法，由于无法准确反映用户复杂且不断变化的偏好，正日益被视为不足。这一差距凸显了联合建模方法的必要性，这些方法通过整合推荐过程中的多样化任务、场景、模态和行为，有望显著提升推荐精度、效率和定制化。在本文中，我们全面综述了推荐系统中的联合建模方法。我们首先通过四个不同维度定义联合建模的范围：多任务、多场景、多模态和多行为建模。随后，我们深入审视这些方法，识别并总结其底层范式，基于最新进展和潜在研究轨迹。最后，我们强调了联合建模在推荐领域未来探索的几个有前景的方向，并对我们的发现进行了简要总结。