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 |
|
声明：文章版权归原作者所有 部分文章转自互联网 如有侵权请联系
[邮箱地址] 删除
|
注册
登录
