本文主要要解决的问题： 服装推荐。

本文关于服装推荐系统特别的地方：除了用户购买记录，还可以视觉图片，文字描述，社会关系，季节和流行趋势等角度进行用户偏好的挖掘。

具体做法：考虑Instagram和shopping web之间的信息迁移。

Instagram有社交关系（相似朋友，关注的服装模特），用户发布的有关服装的图片，文字描述等；Shopping Web有用户的购买记录，带有分类标记的服装图片和文字描述。

核心问题： domain adaptation strategy:  two Convolutional neural sub-networks framework for integrating visual inputs with user feedback as an enhancing factor of image multi-label prediction.

关键技术：

(1) 通过讲deep CNN domain adaptation methodology 计算Instagram和Shopping website中图片的相似度，有了相似度之后，就可以把Shopping Website中的有关label信息同Instagram之间相互传递，如图片中服装的商标；这样一来，Instagram中有关生活场景的文本描述和Shopping website中本就有的文本描述就可以相互联系起来供进一步使用，如对图片的语义分析。

（2）有了图片之后，完全可以通过对图片的分析（deep pixel-wise），发现图片上的内容（如裙子的长度），再加上（1）中的文本分析，便形成了从图片到文本的关于用户的特征表述，结合用户的历史行为，就可以构造出跨领域的推荐系统。

启发：

以图片为桥梁，CNN作为基本技术，链接了两个domains，主要核心在于统一的feature space，这样就可以计算距离，进而可以迁移label等信息。