beeFormer: سد الفجوة بين التشابه الدلالي والتفاعل في أنظمة التوصية

يقدم مشروع beeFormer نهجًا جديدًا لأنظمة التوصية المصمم لمعالجة مشكلة البدء البارد. يستخدم نماذج اللغة لتعلم أنماط سلوك المستخدم من بيانات التفاعل ونقل هذه المعرفة إلى عناصر غير مرئية. على عكس الترشيح القائم على المحتوى التقليدي، والذي يعتمد على سمات العنصر، يتعلم beeFormer أنماط تفاعل المستخدم لتوصية العناصر المتوافقة مع اهتمامات المستخدم بشكل أفضل، حتى بدون بيانات تفاعل سابقة. تُظهر التجارب تحسينات كبيرة في الأداء. يوفر المشروع خطوات تدريب مفصلة ونماذج مدربة مسبقًا، ويدعم مجموعات بيانات مثل MovieLens وGoodBooks وAmazon Books.