zhenghaoz/gorse-worker Docker 镜像 - 轩辕镜像

Gorse 推荐系统引擎

Gorse是一个用Go编写的开源推荐系统，旨在成为通用的开源推荐系统，可快速引入到各类在线服务中。通过将物品、用户和交互数据导入Gorse，系统会自动训练模型为每个用户生成推荐。

核心功能和特性

• 多源推荐：从热门、最新、基于用户、基于物品和协同过滤等多源推荐物品。
• AutoML：在后台自动搜索最佳推荐模型。
• 分布式预测：单节点训练后，推荐阶段支持水平扩展。
• RESTful APIs：提供数据CRUD和推荐请求的RESTful API。
• 在线评估：通过最近插入的反馈分析在线推荐性能。
• 可视化仪表板：提供GUI用于数据管理、系统监控和集群状态检查。

使用场景和适用范围

适用于各类需要推荐功能的在线服务，包括但不限于：

• 电商平台（商品推荐）
• 内容平台（文章、视频、音乐推荐）
• 社交应用（好友、动态推荐）
• 开发者工具（如GitHub仓库推荐）
• 各类需要个性化推荐的Web/移动应用

特别适合需要快速集成推荐系统且希望具备自动模型优化和分布式扩展能力的场景。

详细使用方法和配置说明

快速启动

Docker快速部署

通过Docker快速启动playground模式（适合初学者）：

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

该模式会从GitRec下载示例数据并导入Gorse，仪表板可通过http://localhost:8088访问。

数据交互与推荐获取

插入用户反馈数据

以下示例向系统插入用户"bob"（前端开发者）对多个前端仓库的"star"反馈：

bash
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 [***] \
   -H 'Content-Type: application/json' \
   -d "$JSON"

获取推荐结果

插入反馈后，通过以下命令获取用户"bob"的10个推荐物品：

bash
curl [***]

json
[
 "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"
]

实际输出可能与示例不同，因为playground数据集会随时间变化。

架构

Gorse是单节点训练、分布式预测的推荐系统。数据存储在MySQL、MongoDB、Postgres或ClickHouse中，中间结果缓存在Redis、MySQL、MongoDB和Postgres中。

集群组成及职责

1. 主节点（master）：负责模型训练、非个性化物品推荐、配置管理和成员管理。
2. 服务器节点（server）：负责暴露RESTful API和在线实时推荐。
3. 工作节点（worker）：负责为每个用户生成离线推荐。

管理员可通过主节点上的仪表板进行系统监控、数据导入导出和系统状态检查。

更多资源

• 官方文档
• 官方演示
• 社区讨论：*** | GitHub Discussion