本文提出了四个数据驱动模型用于视觉推荐系统，利用时尚图片和元数据分析用户偏好与物品属性的关键维度。研究中引入了新型层次嵌入结构和双向LSTM方法，显著提升了推荐性能。同时，探讨了超几何空间中的推荐方法，提出HICF和HCTS框架，以改善跨领域推荐效果。

本文探讨了基于大型语言模型（LLM）和机器学习的可视化生成方法，包括DVQA数据集、Data2Vis、CoVis和Prompt4Vis。研究表明，LLM在自然语言到可视化的转换任务中表现优越，尤其在数据探索和可视化生成方面。提出了V-RECS视觉推荐系统和VisEval基准，揭示了当前研究的挑战及未来方向。