EdoardoBotta/RQ-VAE-Recommender

解決的問題

解決生成式推薦系統實作的複雜性，其中項目被視為標記而非僅是ID。不僅提供神經層，更提供完整的實驗流程，包含語意ID標記化、資料集準備、識別碼衝突處理，以及物品檢索序列模型的訓練。

工作原理

本專案實作兩階段工作流程：

1. 語意ID標記化：殘差量化變分自編碼器（RQ-VAE）將目錄項目映射為短的離散語意ID元組。
2. 生成式檢索：Transformer（特別是T5編碼器-解碼器）接收使用者這些語意ID的歷史記錄，並生成最可能的下一個項目ID。

適用對象

專為關注語意標記化、向量量化、冷啟動項目表示與生成式檢索的推薦系統研究者與實務者設計。

主要亮點

• 彈性量化：支援K-means初始化與多種梯度估計器，包括Gumbel-Softmax、直通估計與旋轉技巧。
• 整合流程：包含Amazon Reviews與MovieLens資料集的自動預處理功能。
• 衝突處理：具備語意ID衝突消歧與語料庫前綴約束生成功能。
• 研究就緒：提供基於T5的檢索模型，並內建命中率與NDCG評估指標。