AlphaRec

用语言模型替代 ID 嵌入，让推荐系统更懂语义、轻松应对冷启动。

AlphaRec 是 ICLR 2025 Oral 论文《Language Representations Can be What Recommenders Need: Findings and Potentials》的官方实现，旨在探索语言表示在推荐系统中的潜力。该项目重新审视了传统推荐模型对 ID 嵌入的依赖，提出利用预训练语言模型（PLM）生成的文本表示来统一用户和物品的语义空间，从而解决冷启动和跨域推荐问题。核心能力包括：基于语言表示的推荐框架、多种训练策略（如对比学习、提示微调）、以及针对不同推荐场景的适配模块。通过将用户行为序列转化为自然语言描述并编码，AlphaRec 能够在不依赖额外特征的情况下捕捉深层语义，提升推荐效果。项目代码基于 Python 和主流深度学习框架，提供了完整的实验配置和评估脚本，便于研究者复现和扩展。