一个 Go 语言实现的 RESTful 的推荐系统后端

去年的时候小弟在 V2EX分享了一个 Go 语言实现的推荐系统引擎，@Philippa 兄指出了构建一个 CLI+RPC 工具的可能性，之后我对项目进行了重构，添加了很多功能，想要再分享一下。

• GitHub 地址： https://github.com/zhenghaoz/gorse

项目包含了模型验证、数据导入 /导出工具和 RESTful 推荐服务，可以方便地用它验证推荐模型，构建简易的推荐系统服务。只需要提供用户和物品之间的交互记录，程序会自动加载数据、训练模型，最后为每个用户生成推荐列表。

• 简单易用：只需要写好配置文件、导入数据，即可完成推荐系统服务搭建。可以使用 RESTful API 添加反馈、物品，系统按照设定的阈值会自动更新推荐列表。

• 模型方面：实现了 WRMF 和 BPR 两个排序模型，当然也实现了很多评分预测模型，但是评测预测在实际场景中不实用。

• 性能方面：比另外两个 GitHub 上比较热门的推荐系统项目librec和Surprise略好一些。

• 缺点和不足：当然它有很多的不足

1. 它是一个单机程序，所以只能适用于数据量比较小的情况。
2. 推荐系统的物品生成其实包含多个环节，例如去掉用户浏览过的、结合热门物品，单纯使用协同过滤是不够的，通常在协同过滤获取相关物品之后再需要一个重排序的过程（一般使用 CTR 预测来完成）。

最后，感谢您的阅读～