数字图书馆中的推荐系统

快速上手

导入数据

通过位于scripts/fetch_openlibrary.py的脚本，可以从OpenLibrary网站抓取数据，并生成抓取后的数据到data/item_sample.csv文件中。运行示例：uv run python scripts/fetch_openlibrary.py。

建模和启动后端

首先安装运行项目所需要的Python包，命令如下：

cd ./backend
uv sync  # 或使用 uv add -r requirements.txt

在项目根目录下运行如下命令后，会进行建模并插入到数据库中。数据库默认为sqlite3数据库，文件位于./recsys.db。

uv run python -m backend.ingest ./data/items_sample.csv --out ./artifacts

（可选）也可以通过设置环境变量DB_URL访问其他数据库，如：

export DB_URL="postgresql+psycopg2://user:pass@host:5432/recsys"

在建模完成后，输入如下命令运行后端：

uv run uvicorn backend.app:app --reload --port 8000

启动前端

在启动后端后，在项目根目录下输入如下命令运行前端：

cd ./frontend
npm i
npm run dev

此时在浏览器中输入命令行输出的网址即可访问网站。

添加更多用户和测试

添加用户ID和模拟行为数据

项目提供了 scripts/add_users.py 脚本，用于批量添加新用户ID和模拟用户行为数据，解决用户数量不足的问题。

uv run python scripts/add_users.py

默认会添加10个新用户（user1000, user1001, ...），每个用户有5条随机事件记录。你可以修改脚本中的 num_users 和 events_per_user 参数。

测试推荐系统

项目提供了 scripts/test_recommendation.py 脚本，用于测试推荐系统对不同用户（包括新用户）的推荐效果。

uv run python scripts/test_recommendation.py

该脚本会测试现有用户、新用户和基于查询的推荐，并输出数据库统计信息。

---

上面是为游客通过关键词搜索推荐书目，下面是为特定的用户推荐他可能喜欢的书，现在有两个存在的问题，第一个是搜索关键词出来两个相同的条目，第二个是uid也就是用户的数量太少了，需要研究一下怎么多添加几个用户，

分工	姓名
再多添加一些图书条目，修一下条目重复的bug
研究一下为你推荐板块实现的功能和流程，多添加一些uid
稍微美化一下前端
跑通系统，写一个用户使用文档，录一个视频去给老师演示