NATR:Cross-domain Recommendation Without Sharing User-relevant Data

题目：Cross-domain Recommendation Without Sharing User-relevant Data

（仅为总结所读文献，以供本人日后查阅）

作者

Chen Gao, Xiangning Chen, Fuli Feng,……

文献来源

The World Wide Web Conference

关键字

跨域推荐，隐私保护，深度学习

研究问题：【为避免用户隐私信息泄露+减轻数据稀疏问题】

如今的一些跨域推荐任务假设所有信息都是共享的，但是在现实世界里这种情况十分少见，因为使用用户隐私信息是违反商业隐私规则的。提出NATR（神经注意转移推荐Neural Attention Transferred Recommendation），使用神经网络的表示能力，NATR只共享物品端的信息，不共享用户隐私信息。

模型

频繁出现的：信息系统：协同过滤；推荐系统；安全和隐私：隐私保护协议。
通过重建对用户-项目交互矩阵的学习，共享项目信息：项目仍然可以通过用户交互等信息使用CF进行编码，只是没有了显式语义的潜在向量，把用户隐私泄露的可能性降到最小。

上图是本文中实现跨域推荐的三个步骤，其中Step3最具有挑战性。具体可解释为：
挑战1：转移项目嵌入的预测信号不明确
挑战2：转移项目嵌入的重要性不