uData内容推荐桥接器
项目描述
udata-recommendations
此插件作为uData和推荐系统之间的桥接器。
在我们的案例中（data.gouv.fr），它是一组位于这里的脚本 https://github.com/etalab/piwik-covisits。
推荐存储在数据集中。推荐可以来自各种来源，并按提供的分数（从1到100）降序存储。顶部推荐显示在数据集页面底部。
兼容性
udata-recommendations 需要 Python 3.7+ 和 uData。
安装
安装 uData。
保持在同一虚拟环境中（对于Python）。
安装 udata-recommendations
pip install udata-recommendations
修改 udata 的本地配置文件（通常为 udata.cfg），如下所示
PLUGINS = ['recommendations']
RECOMMENDATIONS_SOURCES = {
'source-name': 'https://path/to/recommendations.json',
'other-source': 'https://path/to/other/recommendations.json',
}
RECOMMENDATIONS_NB_RECOMMENDATIONS = 4
RECOMMENDATIONS_SOURCES：推荐源及其URL的键值字典。默认：{}RECOMMENDATIONS_NB_RECOMMENDATIONS：在数据集页面上显示的最大推荐数。默认：4
用法
添加推荐
您可以将获取和存储推荐作为一个任务，使用在 RECOMMENDATIONS_SOURCES 中配置的内容，并在需要时按计划执行。默认情况下，在导入新的推荐之前会清理之前的推荐，但您有控制权。
udata job run recommendations-add
# Don't clean each source before importing new recommendations
udata job run recommendations-add should_clean=false
删除推荐
要清理所有推荐，您可以运行以下任务。
udata job run recommendations-clean
期望
此插件期望以下格式提供数据集推荐
[
{
"id": "dataset-id",
"recommendations": [
{
"id": "dataset-slug-1",
"score": 100
},
{
"id": "5ef1fe80f50446b8f41ba691",
"score": 1
}
]
},
{
"id": "dataset-id2",
"recommendations": [
{
"id": "5ef1fe80f50446b8f41ba691",
"score": 50
}
]
}
]
数据集ID可以是ID或别名。分数应在 1 到 100 之间，包括这两个数。您可以使用JSON模式验证您的JSON。
变更日志
3.1.6 (2024-07-30)
3.1.5 (2023-11-21)
3.1.4 (2023-03-07)
3.1.3 (2023-03-02)
- 新数据集页面推荐 #256
3.1.2 (2022-12-15)
- 更新数据集并重用推荐以匹配新的 udata-front 布局 207
3.1.1 (2022-09-01)
3.1.0 (2021-09-16)
- 根据重命名更改 udata-gouvfr 依赖项为 udata-front #188
3.0.0 (2021-08-12)
- 通过更改导入和样式确保与 udata3 的兼容性 #183
2.2.0 (2020-11-30)
- 添加重用支持 #153
2.1.1 (2020-10-16)
- 忽略数据集本身的推荐 #147
2.1.0 (2020-08-25)
- 添加分数到推荐并支持多个推荐来源 #142
2.0.0 (2020-03-11)
1.0.1 (2018-08-03)
- 暂时没有
1.0.0 (2018-06-06)
- 允许数据集使用别名而不是ID #8
- 初始版本
关闭
散列值 for udata_recommendations-3.1.6-py2.py3-none-any.whl
| 算法 | 散列摘要 | |
|---|---|---|
| SHA256 | 60ad6177ce9aa0c6beb7298a5617a52979dbc72898c6728434e3d3a65e00b84f |
|
| MD5 | b1c9e8e9b33e570500efffe30160f88d |
|
| BLAKE2b-256 | 9cb86aa9224520b03cc9c8bcb3d59955815cbcff38b7f1e3a9696d9fe061e099 |