本研究提出了一种多行为推荐系统，旨在通过用户多样化行为提升推荐质量。文章对现有方法进行了分类，探讨了数据建模、编码和训练等关键步骤，并展望了未来的发展方向，具有重要的学术和实际应用价值。

本研究提出了一种新方法Pretender，用户可通过该算法主动解决推荐系统的冷启动问题，实验结果表明其显著提升了推荐质量，具有广泛的应用潜力。