Trong bài báo này, chúng tôi đề xuất một khuôn khổ mới để giải quyết vấn đề sai lệch ngữ nghĩa miền trong đề xuất tuần tự xuyên miền zero-shot (ZCDSR). Các mô hình ZCDSR hiện có đã cải thiện việc chuyển giao kiến thức xuyên miền bằng cách sử dụng các mô hình ngôn ngữ quy mô lớn (LLM), nhưng có những hạn chế về độ chính xác do sai lệch ngữ nghĩa gây ra bởi sự khác biệt về từ vựng và nội dung giữa các miền. Trong bài báo này, chúng tôi giải quyết vấn đề này bằng cách cải thiện sự liên kết xuyên miền ở cả cấp độ mục và cấp độ tuần tự. Ở cấp độ mục, chúng tôi giới thiệu một hàm mất mát tổng quát để liên kết các nhúng mục xuyên miền nhằm đảm bảo tính tương đồng giữa các miền trong khi vẫn duy trì các đặc điểm duy nhất của các mục trong mỗi miền. Ở cấp độ tuần tự, chúng tôi phát triển một phương pháp để phân cụm các chuỗi người dùng miền nguồn và chuyển các mẫu hành vi người dùng thông qua tổng hợp dựa trên sự chú ý để điều chỉnh động các nhúng người dùng khi suy ra các miền đích. Kết quả là, chúng tôi cho phép đề xuất zero-shot hiệu quả mà không cần tương tác miền đích.
