最近的心理学研究表明，寻求新奇特征与消费者行为高度相关，这对在线推荐具有深远的影响。 本文研究了跨领域挖掘新颖性寻求特征的问题，以提高目标领域的推荐性能。 我们提出了一种有效的模型CDNST，该模型通过从辅助源域中转移知识来显着提高推荐性能。 我们对从豆瓣网（www.douban.com）抓取的三个领域数据集进行了广泛的实验，以证明该模型的有效性。 此外，我们发现顺序数据的属性会影响CDNST的性能。