《Towards Equivalent Transformation of User Preferences in Cross Domain Recommendation》论文阅读笔记
跨域推荐解决数据稀疏性问题。
针对场景：不同的域共享相同的用户数据集，但是项目不同。
已有工作：大多数方法研究跨域迁移共享用户的特征。
问题：共享用户的特征旨在不同域中学习重合的部分，而减小用户在不同域中特定喜好的影响。
本文：学习用户在不同域中重合以及特定的属性。
具体：假定用户在不同域中的喜好是相关的，一个域中的喜好可以用另外一个域的喜好来表达，这些喜好可以通过等效变换相互转换。在此基础上，提出了一个等效变换学习器ETL（允许在不同域中学习特定以及重合的喜好，在两个域中使用不同的编码器编码用户的行为，然后在各自的域中解码）建模用户在不同域中行为的联合分布（通过最大化联合对数似然估计建模）。