PreferredAI/cornac

何を解決するか

Cornacは、マルチモーダル推薦システムの開発、評価、デプロイを簡素化する比較フレームワークです。アイテムの説明、画像、ソーシャルネットワークなどの補助データを推薦モデルに統合する難しさに対処し、異なるアルゴリズムを一貫した方法で横断的に比較できる仕組みを提供します。

動作方法

Cornacは、データセットの読み込み、評価用のデータ分割、さまざまな推薦モデルの実装のための統一インターフェースを提供します。PyTorch や TensorFlow などの人気ある機械学習ライブラリと統合されています。フレームワークには Experiment クラスが内蔵されており、同じメトリクスとデータセットに対して複数のモデルを同時に実行し、最もパフォーマンスの良いアルゴリズムを特定できます。

対象ユーザー

迅速な実験を実施し、新しいモデルを実装し、結果の再現性を確保したい研究者や開発者向けです。

主な特徴

• マルチモーダル対応：テキストや画像などの補助データを活用するモデルに特に最適化されています。
• 豊富なモデルライブラリ：協調フィルタリングや次アイテム予測から、生成型リトリーバル、説明可能な推薦まで、幅広い実装済みモデルを含んでいます。
• デプロイメントツール：Flaskベースの内蔵サーバーアプリでモデルの迅速なデプロイが可能。また、Faiss や HNSWLib などの近似最近傍（ANN）検索フレームワークと連携し、効率的なリトリーバルを実現します。
• 評価フレームワーク：ACM RecSys 2023 で評価と再現性の推奨フレームワークとして紹介されています。