DomainAgnosticLearningwithDisentangledRepresentations1.Introduction本文研究了领域不可知论学习(DAL)，这是一个比较困难但实际的问题，即知识从一个标记的源领域转移到多个未标记的目标领域。领域不可知学习的主要挑战是:(1)目标数据具有混合的领域，这阻碍了主流特征对齐

DisentangledContrastiveLearningforSocialRecommendation论文阅读笔记Abstract存在的问题：大多数社会推荐模型统一了用户对用户-项目交互（协作领域）和社会关系（社会领域）的表示。然而，这种方法可能无法在两个领域中建模用户的异构行为模式，从而损害了用户表示的表达性。解决方法

DisentangledContrastiveCollaborativeFiltering论文阅读笔记Abstract存在的问题：大多数现有的基于gcl的CF模型仍然受到限制，因为忽略了用户-项目交互行为往往是由各种潜在意图因素驱动的（例如，为了家庭聚会购物，首选颜色或产品品牌）引入的非自适应增强技术容易受到噪声信息的