EdoardoBotta/RQ-VAE-Recommender

해결하는 문제

생성형 추천 시스템 구현의 복잡성을 해결합니다. 아이템은 단순한 ID가 아니라 토큰으로 취급됩니다. 단순히 신경망 계층을 제공하는 것이 아니라, 의미적 ID 토큰화, 데이터셋 준비, 식별자 충돌 처리, 아이템 검색을 위한 시퀀스 모델 학습을 포함하는 완전한 실험 파이프라인을 제공합니다.

작동 방식

이 프로젝트는 두 단계 워크플로우를 구현합니다:

1. 의미적 ID 토큰화: 잔차 양자화 변분 오토인코더(RQ-VAE)가 카탈로그 아이템을 짧은 이산적 의미 ID 튜플로 매핑합니다.
2. 생성형 검색: Transformer(특히 T5 인코더-디코더)는 사용자의 이러한 의미적 ID 기록을 입력받아 가장 가능성 높은 다음 아이템의 ID를 생성합니다.

대상 사용자

의미적 토큰화, 벡터 양자화, 콜드 아이템 표현, 생성형 검색에 초점을 맞춘 추천 시스템 연구자 및 실무자에게 적합합니다.

주요 특징

• 유연한 양자화: K-means 초기화 및 Gumbel-Softmax, 스트레이트스루, 회전 기법을 포함한 여러 가지 기울기 추정기를 지원합니다.
• 통합 파이프라인: Amazon Reviews 및 MovieLens 데이터셋에 대한 자동 전처리 기능을 포함합니다.
• 충돌 처리: 의미적 ID 충돌 해소 및 코퍼스 프리픽스 제약 생성 기능을 제공합니다.
• 연구용 준비 완료: T5 기반 검색 모델을 제공하며, 내장된 히트율 및 NDCG 평가 지표를 포함합니다.