EasyRec

用语言模型搞定推荐，简单有效，无需复杂特征工程

EasyRec 是一个面向推荐系统的轻量级语言模型，由阿里巴巴研究团队开发，论文发表于 EMNLP 2025。它旨在解决传统推荐模型依赖复杂特征工程和深度模型结构、难以泛化的问题。EasyRec 将推荐任务建模为文本生成任务，利用预训练语言模型的语义理解能力，将用户行为序列和物品信息转化为自然语言提示，直接生成推荐结果或评分。其核心能力包括：简洁的模型架构（基于 Transformer 编码器）、高效的训练策略（对比学习与生成式目标结合）、以及无需额外特征工程即可适配多种推荐场景（如点击率预测、序列推荐）。项目提供完整的训练、评估和推理代码，支持自定义数据集，适合研究者和工程师快速复现和部署。