reczoo/FuxiCTR

A configurable, tunable, and reproducible library for CTR prediction https://fuxictr.github.io

FuxiCTR – オープンソースのクリックスルー率（CTR）予測ライブラリ

何であるか

PyPIで利用可能なPythonパッケージ。最新のCTR予測モデルの多数をバンドル。オンライン広告、レコメンデーションシステム、スポンサード検索などの産業規模のタスクを対象としています。
PyTorch 2.5+ および TensorFlow 2.21+ の両方に対応しており、好みのディープラーニングフレームワークを選べます。

なぜ重要か

CTR予測は多くの収益生成サービスの中心的な要素です。研究者は再現可能なベンチマークを必要とし、エンジニアは迅速にチューニング・拡張可能な即時利用可能な実装を必要とします。FuxiCTRは両方を提供します。

主な設計ポイント

機能	何を提供するか
設定可能	データ前処理パイプラインとモデルアーキテクチャはモジュール化されており、コードを書く代わりにシンプルなYAML/JSON設定ファイルで構成できます。
チューニング可能	ハイパーパラメータ探索が内蔵されています。同じ設定ファイルを編集するだけで自動チューニング実行を開始できます。
再現可能	公開されたすべてのベンチマーク（「モデルズー」）は1つのコマンドで再実行でき、論文の結果と一致します。
拡張可能	新しいモデルを追加するには、PyTorchまたはTensorFlowモジュールを実装するだけでよく、データ処理、トレーニングループ、評価の残りのパイプラインは再利用されます。

モデルズー

リポジトリには41以上の即時利用可能なモデルが同梱されており、古典的な線形回帰（LR）や因子分解機（FM）から、最近のグラフベースおよびアテンションベースのアーキテクチャ（FiGNN、AutoInt、WuKongなど）まで含まれます。
各エントリには、元の会議/ジャーナル、論文へのリンク、およびサポートするフレームワーク（torch、tf、または両方）が記載されています。
モデルは以下の2つの論理的グループに分類されています：
1. 特徴相互作用モデル – スパース特徴間の高次相互作用を学習することに焦点を当てた純粋なCTR予測モデル。
2. 行動シーケンスモデリング – ユーザーのクリック/インタラクション履歴を組み込むモデル（例：DIN、DIEN、BST）。

導入方法

# 最新リリースをインストール
pip install fuxictr

# 環境の確認（Python ≥3.10が必要）
python -c "import fuxictr, torch, tensorflow as tf; print(fuxictr.__version__)

git clone https://github.com/reczoo/FuxiCTR.git
cd FuxiCTR

python run_experiment.py --config configs/DeepFM.yaml

設定ファイルでは、データセット、特徴処理、モデルのハイパーパラメータ、チューニング試行回数を指定できます。

誰が使うべきか

各論文を再実装せずに、包括的なベースラインと新しいCTRアイデアを比較したい研究者。
PyTorchとTensorFlowの間で切り替え可能なプロダクション対応の設定可能なCTRエンジンが必要な実務家（広告テックやレコメンデーションプラットフォーム）。
現代のレコメンデーションモデルがどのように構築・評価されるかを具体的に学びたい学生。

ライセンスとコミュニティ

上記のすべての詳細は、リポジトリのREADMEから直接取得したものであり、外部の仮定は一切追加されていません。