Bài báo này đề cập đến vấn đề đề xuất đa mục tiêu xuyên miền (MTCDR), nhằm cải thiện đồng thời hiệu suất đề xuất trên nhiều miền. Các phương pháp MTCDR hiện có chủ yếu dựa vào các thực thể chia sẻ miền (ví dụ: người dùng hoặc mục) để hợp nhất và truyền tải kiến thức xuyên miền, nhưng chúng không hiệu quả trong các tình huống đề xuất không chồng chéo. Một số nghiên cứu giải quyết MTCDR bằng cách mô hình hóa sở thích của người dùng và các đặc điểm của mục dưới dạng biểu diễn ngữ nghĩa chia sẻ miền, nhưng điều này đòi hỏi dữ liệu phụ trợ phong phú để tiền huấn luyện. Lấy cảm hứng từ những tiến bộ gần đây trong đề xuất sinh, bài báo này trình bày GMC, một phương pháp MTCDR dựa trên mô hình sinh. GMC tích hợp kiến thức đa miền trong một mô hình sinh thống nhất sử dụng các định danh mục rời rạc được lượng tử hóa về mặt ngữ nghĩa. Một bộ phân tích mã thông báo mục được sử dụng để tạo các định danh ngữ nghĩa chia sẻ miền cho mỗi mục, và một mô hình chuỗi-to-chuỗi tích hợp miền được huấn luyện để xây dựng đề xuất mục như một tác vụ tạo mã thông báo. Để cải thiện hiệu suất, mất mát tương phản nhận biết miền được tích hợp vào quá trình học định danh ngữ nghĩa, và việc tinh chỉnh hệ thống đề xuất thống nhất theo miền cụ thể được thực hiện. Các thí nghiệm mở rộng trên năm tập dữ liệu công khai chứng minh tính hiệu quả của GMC so với một số phương pháp cơ bản.
