RQ-VAE-Recommender

收录理由

当前多数推荐系统仍沿用双塔或矩阵分解这类嵌入表示方案，而本项目换了一条路：它把论文《Recommender Systems with Generative Retrieval》中的生成式检索思路落地成可运行的PyTorch代码。具体来说，先用RQ-VAE把语料库中的每个物品压缩成一组语义ID，再用一个仅解码器的Transformer学习用户序列中下一个ID的预测——预测出下一个ID，也就相当于预测出用户下一个可能互动的物品。仓库里同时提供了两阶段训练脚本、用于调参的gin-config配置，以及量化器的KMeans初始化，并且直接支持Amazon Reviews和MovieLens数据集，无需手动下载数据。针对Amazon Beauty的预训练RQ-VAE权重也已发布在Hugging Face上，你可以先拿现成checkpoint跑通tokenizer，再决定是否投入完整训练。对于正在研究或原型验证生成式检索的人来说，这是一个很好的起点，既能读懂核心机制，也方便在此基础上做改动。