zhenghaoz/gorse-in-one Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

Gorse推荐系统引擎

概述

Gorse是一个用Go编写的开源推荐系统，旨在成为可快速引入各类在线服务的通用开源推荐引擎。通过将项目、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个性化推荐。其设计目标是提供开箱即用的推荐能力，适用于多种在线服务场景。

!工作流程

核心功能与特性

• 多源推荐：支持从热门项目、最新项目、基于用户、基于项目及协同过滤等多渠道生成推荐
• AutoML：后台自动搜索最优推荐模型，无需人工干预模型选择与调优
• 分布式预测：单节点完成模型训练后，推荐阶段支持水平扩展以应对高并发
• RESTful API接口：提供数据CRUD和推荐请求的RESTful API，便于系统集成
• 在线评估：通过最近插入的用户反馈数据，实时分析推荐性能
• 可视化仪表板：提供GUI界面，支持数据管理、系统监控和集群状态检查

使用场景与适用范围

适用于各类需要个性化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）
• 社交媒体（好友、动态推荐）
• 应用商店（应用推荐）
• 在线教育（课程推荐）

使用方法与配置说明

快速启动

为初学者提供playground模式，可通过以下命令快速搭建GitHub仓库推荐系统演示环境：

Docker方式

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

该命令会启动Gorse服务并映射8088端口，playground模式将从GitRec下载示例数据集并自动导入。服务启动后，可通过http://localhost:8088访问可视化仪表板。

!仪表板

数据交互示例

插入用户反馈数据

在仪表板"Tasks"页面完成"Find neighbors of items"任务后，可通过API插入用户交互数据。以下示例为用户"bob"（前端开发者）插入GitHub仓库"star"行为：

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

通过API获取用户"bob"的10个推荐项目：

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"
]

确切输出可能与示例不同，因为 playground 数据集会随时间更新。

更多资源

• 官方文档
• 官方演示
• 社区支持：*** | GitHub Discussion

架构

Gorse采用单节点训练与分布式预测架构，数据存储支持MySQL、MongoDB、Postgres和ClickHouse，中间结果可缓存在Redis、MySQL、MongoDB或Postgres中。

!架构图

集群组成与职责

1. 主节点（Master）：负责模型训练、非个性化推荐、配置管理和集群成员管理
2. 服务器节点（Server）：暴露RESTful API接口，处理在线实时推荐请求
3. 工作节点（Worker）：负责为用户生成离线推荐结果

管理员可通过主节点提供的仪表板进行系统监控、数据导入导出及集群状态检查。