Gorse 推荐系统引擎

Gorse 是一个用 Go 语言编写的开源推荐系统。Gorse 旨在成为一个通用的开源推荐系统，可以快速引入到各种在线服务中。通过将物品、用户和交互数据导入 Gorse，系统将自动训练模型为每个用户生成推荐。项目特点如下：

多源推荐： 从热门、最新、基于用户、基于物品和协同过滤等多个来源推荐物品。
自动机器学习： 在后台自动搜索最佳推荐模型。
分布式预测： 支持单节点训练后在推荐阶段进行水平扩展。
RESTful API： 提供数据 CRUD 和推荐请求的 RESTful API。
在线评估： 从最近插入的反馈分析在线推荐性能。
仪表盘： 提供用于数据管理、系统监控和集群状态检查的图形界面。

快速开始

为初学者准备了游乐场模式。只需通过以下命令为 GitHub 仓库设置一个推荐系统。

Linux/macOS:

curl -fsSL https://gorse.io/playground | bash

Docker:

docker run -p 8088:8088 zhenghaoz/gorse-in-one --playground

游乐场模式将从 GitRec 下载数据并将其导入 Gorse。仪表盘可在 http://localhost:8088 访问。

在"任务"页面上完成"查找物品的邻居"任务后，尝试向 Gorse 插入几个反馈。假设 Bob 是一名前端开发者，他在 GitHub 上标星了几个前端仓库。我们将他的标星反馈插入 Gorse。

read -d '' JSON << EOF
[
    { \"FeedbackType\": \"star\", \"UserId\": \"bob\", \"ItemId\": \"vuejs:vue\", \"Timestamp\": \"2022-02-24\" },
    { \"FeedbackType\": \"star\", \"UserId\": \"bob\", \"ItemId\": \"d3:d3\", \"Timestamp\": \"2022-02-25\" },
    { \"FeedbackType\": \"star\", \"UserId\": \"bob\", \"ItemId\": \"dogfalo:materialize\", \"Timestamp\": \"2022-02-26\" },
    { \"FeedbackType\": \"star\", \"UserId\": \"bob\", \"ItemId\": \"mozilla:pdf.js\", \"Timestamp\": \"2022-02-27\" },
    { \"FeedbackType\": \"star\", \"UserId\": \"bob\", \"ItemId\": \"moment:moment\", \"Timestamp\": \"2022-02-28\" }
]
EOF

curl -X POST http://127.0.0.1:8088/api/feedback \
   -H 'Content-Type: application/json' \
   -d "$JSON"

然后，从 Gorse 获取 10 个推荐物品。我们可以发现为 Bob 推荐了与前端相关的仓库。

curl http://127.0.0.1:8088/api/recommend/bob?n=10

[
 "mbostock:d3",
 "nt1m:material-framework",
 "mdbootstrap:vue-bootstrap-with-material-design",
 "justice47:f2-vue",
 "10clouds:cyclejs-cookie",
 "academicpages:academicpages.github.io",
 "accenture:alexia",
 "addyosmani:tmi",
 "1wheel:d3-starterkit",
 "acdlite:redux-promise"
]