sb-ai-lab/RePlay

What it solves

RePlay는 추천 시스템을 구축, 평가 및 배포하는 전체 생명 주기를 단순화하기 위해 설계된 프레임워크입니다. 오프라인 실험(연구)과 온라인 프로덕션 환경 사이의 간극을 메우고, 데이터 준비, 모델 선택 및 성능 측정을 위한 통합된 도구 세트를 제공합니다.

How it works

RePlay는 추천 개발의 몇 가지 핵심 단계를 처리하는 모듈형 파이프라인을 제공합니다:

• Data Management: 데이터 전처리, 피처 생성, 그리고 특수 스플리터를 사용하여 데이터를 훈련 세트와 테스트 세트로 분하는 도구를 포함합니다.
• Model Library: 전통적인 베이스라인(ItemKNN과 같은)부터 최첨단 Transformer 기반 아키텍처(SASRec 및 BERT4Rec과 같은) 및 bandit 모델까지 다양한 모델을 지원합니다.
• Optimization and Evaluation: 이 프레임워크는 하이퍼파라미터 튜닝(Optuna를 통해)과 모델 품질을 평가하기 위한 종합적인 지표 세트(NDCG 및 HitRate와 같은)를를 통합합니다.
• Scalability: 분산 컴퓨팅을 위해 PySpark와 통합되며, 다양한 하드웨어 구성(CPU, GPU, Multi-GPU)을 지원하여 대규모 데이터셋을 처리합니다.

Who it’s for

RePlay는 추천 시스템을 개발하고 다양한 모델을 실험하고 이를 프로덕션으로 옮기는 표준화된 방법이 필요한 데이터 과학자 및 ML 엔지니어들을 위한 것입니다.

Highlights

• End-to-End Pipeline: 데이터 분할 및 인코딩부터 추론 및 평가까지 모든 것을 다룹니다.
• Hybridization: 추천 품질을 개선하기 위해 모델 앙상블 및 하이브리드 모델을 지원합니다.
• Flexible Backend: 대규모 데이터를 위한 PySpark 및 딥러닝 모델을 위한 PyTorch와 호환됩니다.
• Production Ready: 오프라인 실험에서 온라인 환경으로의 원활한 전환을 위해 설계되었습니다.