volotat/Anagnorisis

해결하는 문제

Anagnorisis는 사용자 선호도가 아닌 참여도를 최적화하는 클라우드 기반 서비스를 대체하기 위해 설계된 로컬 및 개인 정보 보호 중심의 추천 시스템입니다. 사용자는 자신의 로컬 또는 원격 파일(음악, 이미지, 텍스트, 비디오)에 평점을 매김으로써 개인의 관심사 모델을 구축할 수 있으며, 이로 인해 개인 데이터와 선호도 모델이 완전히 사용자의 기계 내부에 유지됩니다.

작동 방식

이 시스템은 명시적 평점(0-10)과 모델 학습의 피드백 루프를 사용합니다. 파일은 세 가지 검색 모드로 처리됩니다: 파일명 기반(fuzzy matching), 콘텐츠 기반(파일 자체의 임베딩), 메타데이터 기반(텍스트 설명, 태그, 사이드카 .meta 파일의 임베딩).

추천을 생성하기 위해, 평가된 파일의 텍스트 프록시 역할을 하는 "메모리 파일"(Markdown)이 생성됩니다. 이 파일에는 설명, 태그, 메타데이터가 포함됩니다. 그런 다음 이 설명과 평점의 쌍을 기반으로 추천 모델이 학습됩니다. 이 모델은 평가되지 않은 파일에 대한 평점을 예측하며, 사용자가 이를 수정함으로써 다음 학습 라운드에서 모델을 더욱 정교하게 개선할 수 있습니다.

대상 사용자

개인 미디어 라이브러리용 개인 정보 보호 중심의 자체 호스팅 추천 엔진을 원하는 사용자. 최소 8GB VRAM GPU를 탑재한 PC 또는 홈 서버를 보유한 사용자를 대상으로 합니다.

주요 특징

• 개인 정보 우선: 모든 처리, 저장, 학습이 사용자의 기계 내부에서 로컬로 수행됩니다.
• 분산형 의미 인덱싱: .meta 사이드카 파일을 사용하여 실제 콘텐츠를 다운로드하지 않고도 원격 파일에 대한 의미 기반 검색과 추천을 가능하게 합니다.
• 다중 모달 지원: 이미지, 음악, 오디오, 비디오 파일을 처리할 수 있습니다.
• 스탠드얼론 코어: anagnorisis_core라는 Python 라이브러리와 CLI를 포함하며, 웹 UI와 별도로 사용할 수 있습니다.
• 소프트 해싱: 파일 경로가 아닌 콘텐츠 지문을 기반으로 파일을 식별하여, 파일이 이동되거나 이름이 변경되어도 평점이 유지됩니다.