beeFormer：弥合推荐系统中语义和交互相似性差距的利器

beeFormer项目提出了一种新颖的推荐系统方法，旨在解决冷启动问题。该方法利用语言模型学习用户交互数据中的行为模式，并将此知识迁移到未曾见过的商品上。不同于传统的基于内容的过滤方法依赖于商品属性，beeFormer利用语言模型学习用户行为模式，从而更好地推荐与用户兴趣相关的商品，即使这些商品没有任何交互数据。实验结果表明，该方法显著提升了推荐系统的性能。项目提供了详细的训练步骤和预训练模型，并支持多种数据集，例如MovieLens、GoodBooks和Amazon Books。