NVIDIA-Merlin/Transformers4Rec

何を解決するか

Transformers4Rec は、順序付きおよびセッションベースの推薦タスクを処理するように設計されています。従来の推薦アルゴリズムは、ユーザーのインタラクションの時間的ダイナミクスや順序（Webセッション中に閲覧されたアイテムなど）を無視しがちですが、これらはユーザーが次にどのアイテムとインタラクションするかを予測する上で極めて重要です。特に、ユーザーの関心が時間とともに変化する「関心のドリフト」や、匿名ユーザーの短期間のインタラクションしか得られないセッションベースのシナリオといった課題に対処します。

動作方法

このライブラリは自然言語処理（NLP）と推薦システム（RecSys）の橋渡しの役割を果たします。Hugging Face Transformers ライブラリと統合されており、RecSysの専門家が64種類以上の異なるTransformerアーキテクチャを利用できます。

標準のNLP用TransformerがトークンIDのみを受け入れるのに対し、Transformers4Recは順序付きタブラー形式のデータを入力として受け入れます。スキーマベースの設定により、埋め込みテーブルや投影層などの必要なレイヤーを自動的に作成します。PyTorch上で構築されており、複数のタスクや損失関数をサポートするカスタムアーキテクチャを構築できるモジュール化されたブロック（入力モジュール、Transformer本体、予測ヘッド）を提供しています。

対象ユーザー

最新のTransformerベースの順序付き推薦モデルをスケーラブルかつプロダクション準備完了の形で実装したい、RecSysの研究者および業界の実務家向けです。

特徴

• Hugging Face統合: 推薦タスク用に事前に用意された多数のTransformerアーキテクチャにアクセス可能。
• GPU加速パイプライン: NVTabularによる前処理とTriton Inference Serverによるサービングと統合され、完全にGPU加速されたエンドツーエンドのパイプラインを実現。
• タブラー形式データ対応: 単純なアイテムID以上の豊富な順序付きタブラー特徴を扱える。
• モジュール設計: 標準のPyTorchモジュールと互換性のある設定可能なブロックにより、柔軟なアーキテクチャの構築が可能。