reczoo/FuxiCTR

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

FuxiCTR – 오픈소스 클릭스루율(CTR) 예측 라이브러리

무엇인가요

PyPI에서 사용 가능한 Python 패키지로, 최신 CTR 예측 모델의 대량을 통합했습니다. 온라인 광고, 추천 시스템, 스폰서드 검색과 같은 산업 규모 작업을 대상으로 합니다.
PyTorch 2.5+ 및 TensorFlow 2.21+ 모두 지원하므로 선호하는 딥러닝 프레임워크를 선택할 수 있습니다.

왜 중요한가요

CTR 예측은 많은 수익 창출 서비스의 핵심 요소입니다. 연구자들은 재현 가능한 벤치마크를 필요로 하며, 엔지니어는 빠르게 튜닝하고 확장할 수 있는 즉시 사용 가능한 구현이 필요합니다. FuxiCTR은 둘 다 제공합니다.

주요 설계 요소

기능	제공하는 것
설정 가능	데이터 전처리 파이프라인과 모델 아키텍처는 모듈식이며, 코드를 작성하는 대신 간단한 YAML/JSON 설정 파일로 조합할 수 있습니다.
튜닝 가능	하이퍼파라미터 탐색이 내장되어 있으며, 동일한 설정 파일을 수정함으로써 자동 튜닝 실행을 시작할 수 있습니다.
재현 가능	공개된 모든 벤치마크(‘모델 저지’)는 단일 명령어로 다시 실행 가능하여 논문 결과와 일치함을 보장합니다.
확장 가능	새로운 모델을 추가하려면 PyTorch 또는 TensorFlow 모듈만 구현하면 되며, 나머지 파이프라인(데이터 처리, 학습 루프, 평가)은 재사용됩니다.

모델 저지

리포지토리는 41개 이상의 즉시 사용 가능한 모델을 포함하며, 전통적인 선형 회귀(LR), 인자 분해 기계(FM)부터 최근의 그래프 기반 및 어텐션 기반 아키텍처인 FiGNN, AutoInt, WuKong에 이르기까지 다양합니다.
각 항목에는 원본 회의/저널, 논문 링크, 지원하는 프레임워크(torch, tf, 또는 둘 다)가 명시되어 있습니다.
모델은 두 가지 논리적 그룹으로 분류됩니다:
1. 특징 상호작용 모델 – 희소 특징 간의 고차 상호작용을 학습하는 순수한 CTR 예측 모델.
2. 행동 시퀀스 모델링 – 사용자 클릭/상호작용 기록을 포함하는 모델(예: DIN, DIEN, BST).

시작하기

# 최신 릴리스 설치
pip install fuxictr

# 환경 확인 (Python ≥3.10 필요)
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

설정 파일을 통해 데이터셋, 특징 처리, 모델 하이퍼파라미터, 튜닝 시도 횟수를 지정할 수 있습니다.

누가 사용해야 하나요

각 논문을 다시 구현하지 않고도 포괄적인 베이스라인과 새로운 CTR 아이디어를 비교하고 싶은 연구자.
PyTorch와 TensorFlow 간에 쉽게 전환 가능한 프로덕션 준비된 설정 가능한 CTR 엔진이 필요한 실무자 (광고 기술 또는 추천 플랫폼).
현대 추천 모델이 어떻게 구축되고 평가되는지 구체적으로 공부하고 싶은 학생.

라이선스 및 커뮤니티

위 모든 세부 정보는 리포지토리의 README에서 직접 가져온 것으로, 외부 가정은 전혀 추가되지 않았습니다.