NVIDIA-Merlin/Transformers4Rec

해결하는 문제

Transformers4Rec는 순차적 및 세션 기반 추천 작업을 처리하도록 설계되었습니다. 기존 추천 알고리즘은 사용자 상호작용의 시간적 동역학과 순서(예: 웹 세션 중 탐색한 아이템 등)를 무시하는 경우가 많지만, 이는 사용자가 다음에 어떤 아이템과 상호작용할지를 예측하는 데 매우 중요합니다. 특히 사용자 선호가 시간이 지남에 따라 변화하는 '관심 이동' 문제와 익명 사용자의 단기 상호작용만 존재하는 세션 기반 시나리오와 같은 도전 과제를 해결합니다.

작동 방식

이 라이브러리는 자연어 처리(NLP)와 추천 시스템(RecSys) 사이의 다리 역할을 합니다. Hugging Face Transformers 라이브러리와 통합되어 있으며, RecSys 전문가가 64개 이상의 다양한 Transformer 아키텍처를 사용할 수 있도록 합니다.

표준 NLP Transformer는 토큰 ID만을 입력으로 받는 반면, Transformers4Rec는 순차적 탭러 데이터를 입력으로 받을 수 있습니다. 스키마 기반 구성으로 임베딩 테이블과 프로젝션 레이어와 같은 필요한 레이어를 자동으로 생성합니다. PyTorch 기반으로 구축되어 있으며, 입력 모듈, Transformer 본체, 예측 헤드 등의 모듈식 빌딩 블록을 제공하여 다중 작업 및 손실 함수를 지원하는 사용자 정의 아키텍처를 만들 수 있습니다.

대상 사용자

최신의 Transformer 기반 순차적 추천 모델을 확장 가능하고 프로덕션 준비 완료된 형태로 구현하고자 하는 RecSys 연구자 및 산업 전문가를 위한 것입니다.

주요 특징

• Hugging Face 통합: 추천 작업용으로 사전에 준비된 다양한 Transformer 아키텍처에 접근 가능.
• GPU 가속 파이프라인: NVTabular을 통한 전처리 및 Triton Inference Server를 통한 서빙과 통합되어 완전히 GPU 가속된 엔드투엔드 파이프라인을 제공.
• 탭러 데이터 지원: 단순한 아이템 ID를 넘어서 풍부한 순차적 탭러 특징을 처리할 수 있음.
• 모듈식 설계: 표준 PyTorch 모듈과 호환되는 구성 가능한 빌딩 블록으로 유연한 아키텍처 생성 가능.