嘿，记得给“机器学习与推荐算法”添加星标
A Survey on Cross-domain Recommendation: Taxonomies, Methods, and Future Directions.
论文地址：
摘要：
传统推荐系统面临着数据稀疏和冷启动问题这两个长期存在的障碍，推动了跨领域推荐(Cross-Domain recommendation, CDR)的出现和发展。CDR的核心思想是利用从其他领域收集的信息来缓解一个领域中的两个问题。在过去的十年中，人们为跨领域推荐做出了许多努力。近年来，随着深度学习和神经网络的发展，出现了大量的方法。然而，关于CDR的系统调查数量有限，特别是关于最新提出的方法以及它们所处理的建议场景和建议任务。
在本文中，我们首先提出了跨领域推荐的两级分类法，将不同的推荐场景和推荐任务进行分类。然后，我们以结构化的方式介绍和总结了不同推荐场景下现有的跨领域推荐方法。我们还组织常用的数据集。最后，我们提出了这一领域的几个潜在研究方向。
详细内容请阅读原始论文：https://arxiv.org/abs/2108.03357
