google/rax

해결하는 문제

Rax는 검색 쿼리와 같은 컨텍스트를 기반으로 문서나 추천 항목과 같은 항목 목록의 상대적 순서를 최적화하는 것을 목표로 하는 학습-랭킹(LTR) 문제를 위한 라이브러리입니다. 표준 분류나 회귀와는 다른 랭킹 전용 목적을 다룰 수 있는 필수 도구를 제공합니다.

작동 방식

JAX 기반으로 구축된 Rax는 순수 함수형으로 구현된 랭킹 손실 및 메트릭의 세트를 제공합니다. NDCG나 MRR과 같은 메트릭을 계산하거나, 소프트맥스 손실이나 페어와이즈 로지스틱 손실과 같은 랭킹 손실을 적용할 수 있습니다. 또한 approx_t12n과 같은 특수 변환도 포함되어 있어, 비미분 가능한 랭킹 메트릭을 미분 가능한 손실로 변환하여 JAX에서 기울기 기반 최적화를 가능하게 합니다.

대상 사용자

검색 엔진, 추천 시스템, 질의 응답, 대화 시스템 등 결과 순서가 중요한 분야에서 작업하는 개발자 및 연구자에게 적합합니다.

주요 특징

• JAX 네이티브: JAX 변환과 완전히 호환되며 순수 함수형입니다.
• 랭킹 전용 도구: softmax_loss와 같은 손실 및 ndcg_metric과 같은 메트릭의 즉시 사용 가능한 구현 제공.
• 미분 가능한 메트릭: 비미분 가능한 메트릭을 미분 가능한 손실로 변환할 수 있는 기능.
• 광범위한 적용: 검색 및 추천을 포함한 다양한 LTR 응용 분야를 지원합니다.