recommenders

Recommenders는 AI 및 데이터를 위한 Linux Foundation 산하의 오픈소스 프로젝트로, 주로 Jupyter 노트북 형태로 추천 시스템 구축을 위한 예제와 모범 사례를 제공합니다. 연구자, 개발자, 애호가들이 고전적 및 최신 추천 알고리즘을 프로토타이핑하고 실험하며 프로덕션 수준으로 발전시킬 수 있도록 돕는 것을 목표로 합니다. 자료는 다섯 가지 핵심 작업으로 구성됩니다: 각 알고리즘에 맞는 데이터 준비 및 로드, 고전적 및 딥러닝 접근법을 활용한 모델 구축, 오프라인 지표를 통한 알고리즘 평가, 하이퍼파라미터 튜닝을 통한 모델 선택 및 최적화, 그리고 프로덕션 환경에서의 모델 운영화입니다. recommenders 패키지의 지원 유틸리티는 알고리즘별 형식으로 데이터셋을 로드하고, 출력을 평가하며, 학습/테스트 데이터를 분할하는 등의 일반적인 요구 사항을 처리합니다. 저장소는 ALS, BPR, BiVAE, Caser, LightGCN, NCF, RBM, SAR, SASRec, SVD, Wide and Deep, xDeepFM 및 다양한 VAE 변형을 포함한 협업 필터링 방식과 DKN, LightGBM, LSTUR, NAML, NPA, NRMS, TF-IDF, Vowpal Wabbit과 같은 콘텐츠 기반 접근법을 아우르는 광범위한 알고리즘 카탈로그를 문서화합니다. 각 항목은 빠른 시작 또는 심층 분석 노트북으로 연결됩니다. 벤치마크 노트북은 MovieLens 100k에서 여러 협업 필터링 알고리즘을 랭킹 및 평점 지표를 사용해 비교하며, 보고된 매개변수 설정과 하드웨어 컨텍스트를 포함합니다. 설치 안내에서는 환경 관리를 위해 uv를, 개발을 위해 VS Code를 권장하며, GPU, Spark, 개발 및 실험 기능을 위한 선택적 extras를 제공합니다. 이 프로젝트는 MIT 라이선스로 제공되며, 공개된 가이드라인과 행동 강령에 따라 기여를 환영하고, 관련 강좌, 서적, 학술 논문을 인용합니다.