En este artículo, presentamos un enfoque novedoso para el problema de la recomendación multidominio multiobjetivo (MTCDR): la Recomendación Generativa Multidominio Multiobjetivo (GMC). A diferencia de los métodos MTCDR existentes, que se basan en entidades compartidas entre dominios, la GMC utiliza un tokenizador de ítems para generar identificadores semánticos compartidos por dominio, que posteriormente se utilizan para integrar el conocimiento multidominio en un modelo generativo integrado en el dominio. Formalizamos la recomendación de ítems como una tarea de tokenización, entrenamos un modelo secuencia a secuencia integrado en el dominio y mejoramos su rendimiento mediante la pérdida contrastiva con reconocimiento de dominio y el ajuste fino específico del dominio. Los resultados experimentales en cinco conjuntos de datos públicos demuestran que la GMC supera a los métodos existentes.
