Зачем warm-transfer

warm-transfer нужен для item cold-start: users и donor model уже существуют, но у новых айтемов есть контент и почти нет истории взаимодействий.

Mental model

warm-transfer не обучает рекомендатель. Он берёт:

• скоры обученного донора по warm items;
• контент warm и cold items;
• optional validation-cold data, similarity или embeddings для методов, которым они нужны.

Затем он обучает ColdStartMethod и предсказывает скоры для cold items:

method.fit(inputs, seed=42).predict(user_ids, cold_item_ids)

Один контракт работает для ALS, BPR, CatBoost, EASE, Two-Tower и private donor models, если вы можете выгрузить warm-item scores.

Когда подходит

Используйте warm-transfer, когда нужен plug&play post-processing layer, нельзя переобучать донора после каждого нового айтема или нужен benchmark для сравнения cold-start стратегий под одним протоколом.

Это не замена production recommender training pipeline. Это слой, который переносит сигнал уже обученного донора на items, которых donor не видел.