python个性化推荐系统毕业设计_个性化推荐系统架构设计（一）

原标题：个性化推荐系统架构设计(一)

互联网在不断发展，技术在不断演变。作为架构师，工程管理者需要与时俱进。

个性化推荐是一个由数据挖掘和机器学习的综合学科，它基于用户兴趣和喜好，提供相关服务精准的推荐，而且这种口味和喜欢的收集，是在用户无过多参与之情况。

我们以 Service-oriented 架构 — SOA为核心，以 Full Stack 技术为特点，结合当前炙手可热的机器学习在实际软件工程中的运用。我会介绍如何实现文本采集，关键字查询与推荐引擎技术。

推荐系统目标是构建一个高扩展和高可用产品。所用技术栈如下：

Node.js ，RPC / REST, RabbitMQ/Kafka, Crawler, MongoDB, TensorFlow

系统分为如下四部分：

1、Web前端：采用Node.js实现一个动态网站让用户访问，根据当前用户画像返回其感兴趣的内容，包括搜索结果。

说明：前端不处理任何业务逻辑，全部通过 RPC 调用后端服务 API。

2、后端服务层：使用 Python 实现 REST API ，接受前端请求，读写数据库或消息队列，调用推荐引擎，返回当前用户画像的内容，比如 TensorFlow Serving。

3、文章采集器：用来实时采集资讯数据，连续运行(不同的时间规则)的网络爬虫，不断抓取其它网站信息，然后进行过滤&归类&标签，用户画像集合&定义，更新数据库。