PreferredAI/cornac

해결하는 문제

Cornac은 다중 모달 추천 시스템의 개발, 평가, 배포를 간소화하기 위해 설계된 비교 프레임워크입니다. 항목 설명, 이미지, 소셜 네트워크와 같은 보조 데이터를 추천 모델에 통합하는 어려움을 해결하고, 다양한 알고리즘을 일관된 방식으로 비교할 수 있는 표준화된 방법을 제공합니다.

작동 방식

Cornac은 데이터셋 로딩, 평가를 위한 데이터 분할, 다양한 추천 모델 구현을 위한 통합 인터페이스를 제공합니다. PyTorch 및 TensorFlow와 같은 인기 있는 머신러닝 라이브러리와 통합됩니다. 프레임워크에는 Experiment 클래스가 내장되어 있어, 동일한 메트릭과 데이터셋을 기반으로 여러 모델을 동시에 실행하여 가장 성능이 우수한 알고리즘을 식별할 수 있습니다.

대상 사용자

빠른 실험을 수행하고, 새로운 모델을 구현하며, 결과의 재현성을 보장하고자 하는 연구자 및 개발자에게 적합합니다.

주요 특징

• 다중 모달 지원: 텍스트 및 이미지와 같은 보조 데이터를 활용하는 모델에 특별히 최적화되어 있습니다.
• 풍부한 모델 라이브러리: 협업 필터링, 다음 아이템 예측, 생성형 검색, 설명 가능한 추천에 이르기까지 다양한 구현된 모델을 포함합니다.
• 배포 도구: 빠른 모델 배포를 위한 내장된 Flask 기반 서빙 앱과 함께 Approximate Nearest Neighbor (ANN) 검색 프레임워크 (예: Faiss, HNSWLib)와 연동하여 효율적인 검색을 지원합니다.
• 평가 프레임워크: ACM RecSys 2023에서 평가 및 재현성에 권장되는 프레임워크입니다.