PreferredAI/cornac

解決的問題

Cornac 是一個旨在簡化多模態推薦系統的開發、評估與部署的比較框架。它解決了將輔助資料（如項目描述、圖片與社交網絡）整合至推薦模型的困難，並提供標準化的方式，讓不同演算法能並列比較。

作法原理

Cornac 提供統一介面，用於載入資料集、分割資料以供評估，以及實作各種推薦模型。它與 PyTorch 和 TensorFlow 等主流機器學習套件整合。框架內建 Experiment 類別，讓使用者能同時在相同指標與資料集上執行多個模型，以判斷表現最佳的演算法。

適用對象

適合需要快速實驗、實作新模型，並確保結果可重現的研究人員與開發者。

主要特色

• 多模態支援：特別針對利用文字與圖片等輔助資料的模型進行優化。
• 廣泛的模型圖書館：涵蓋從協同過濾、下一項目預測，到生成式檢索與可解釋推薦的多種實作模型。
• 部署工具：內建基於 Flask 的服務應用，可快速部署模型，並與近似最近鄰（ANN）搜尋框架（例如 Faiss、HNSWLib）整合，實現高效檢索。
• 評估框架：被 ACM RecSys 2023 推薦用於評估與可重現性。