本研究探讨隐式反馈中的噪声和偏差问题，提出了一种基于时间信息的去噪方法，并设计了DeBaTeR-A和DeBaTeR-L策略，显著提升了推荐系统的性能和鲁棒性。

本文提出了一种基于领域自适应的方法，通过无监督训练样本中的领域信息构建模型，以提升未见领域的预测能力。该方法在多个领域泛化基准上表现优异，并引入了大规模领域泛化基准Geo-YFCC，显著优化了现有技术。此外，研究探讨了图像感应异常检测中的标签级噪声问题，提出了去噪方法SoftPatch，提升了异常检测的准确性。