EdoardoBotta/RQ-VAE-Recommender

解决的问题

解决生成式推荐系统实现的复杂性，其中物品被视为令牌而非仅是ID。不仅提供神经层，还提供完整的实验流水线，涵盖语义ID标记化、数据集准备、标识符冲突处理以及物品检索序列模型的训练。

工作原理

该项目实现两阶段工作流：

1. 语义ID标记化：残差量化变分自编码器（RQ-VAE）将目录物品映射为短的离散语义ID元组。
2. 生成式检索：Transformer（特别是T5编码器-解码器）接收用户这些语义ID的历史记录，并生成最可能的下一个物品的ID。

适用人群

专为关注语义标记化、向量量化、冷启动物品表示和生成式检索的推荐系统研究人员和实践者设计。

主要亮点

• 灵活的量化：支持K-means初始化和多种梯度估计器，包括Gumbel-Softmax、直通估计和旋转技巧。
• 集成流水线：包含Amazon Reviews和MovieLens数据集的自动预处理功能。
• 冲突处理：支持语义ID冲突消歧和基于语料库前缀的生成约束。
• 研究就绪：提供基于T5的检索模型，并内置命中率和NDCG评估指标。