beeFormer：レコメンドシステムにおけるセマンティック類似性とインタラクション類似性のギャップを埋める

beeFormerプロジェクトは、コールドスタート問題に対処するために設計された、レコメンドシステムに対する新しいアプローチを紹介します。これは、言語モデルを利用してインタラクションデータからユーザー行動パターンを学習し、その知識を未見のアイテムに転移します。アイテム属性に依存する従来のコンテンツベースのフィルタリングとは異なり、beeFormerはユーザーインタラクションパターンを学習することで、以前のインタラクションデータがなくても、ユーザーの興味に合わせたアイテムをより適切に推薦します。実験により、パフォーマンスの大幅な向上を示しています。このプロジェクトは、詳細なトレーニング手順と事前トレーニング済みモデルを提供し、MovieLens、GoodBooks、Amazon Booksなどのデータセットをサポートしています。