小而美！港大最新推薦系統EasyRec 以文本洞察用戶心聲

在信息氾濫的時代，推薦系統成爲了我們篩選信息的重要助手。但是，你是否曾因爲推薦內容不合口味而感到失望?或者在使用新應用時，推薦系統似乎總是無法精準把握你的需求?現在，EasyRec 的出現，或許能夠解決這些難題。

EasyRec，由香港大學的團隊開發，是一款基於語言模型的推薦系統。它的獨特之處在於，即使在沒有大量用戶數據的情況下，也能通過分析文本信息來預測用戶的喜好。

該系統的核心技術是文本行爲對齊框架。這項技術通過分析用戶的行爲故事，比如瀏覽的商品和閱讀的評價，結合其中的情感和細節，來預測用戶的潛在喜好。

EasyRec 的智能之處在於它結合了對比學習和協同語言模型。系統不僅學習用戶喜好的商品特徵，也學習其他用戶的數據，通過對比分析，找出最有可能吸引用戶的商品。

在多個真實世界數據集上的測試表明，EasyRec 在推薦準確性上超越了現有模型，特別是在處理新用戶和新商品的零樣本推薦場景中表現出色。

EasyRec 的另一個優勢是它的即插即用特性，可以輕鬆集成到現有的推薦系統中。這使得無論是商業用戶還是學術研究者，都能快速提升推薦系統的性能。

隨着技術的不斷進步，EasyRec 的潛力正在被進一步挖掘。它不僅能提升商業推薦系統的理解能力，還可能爲學術研究帶來新的突破。

論文地址：https://arxiv.org/pdf/2408.08821