awesome-repositories.com
Blog
MCP
awesome-repositories.com

Entdecke die besten Open-Source-Repositories mit KI-gestützter Suche.

EntdeckenKuratierte SuchenOpen-Source-AlternativenSelf-hosted SoftwareBlogSitemap
ProjektMCP-ServerÜber unsRanking-MethodikPresse
RechtlichesDatenschutzAGB
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 Repo

Awesome GitHub RepositoriesActiveRecord Recommendation Plugins

Recommendation engines designed specifically for integration with Active Record models.

Distinct from Recommendation Models: Distinct from Recommendation Models: specifically targets the Active Record integration pattern for Ruby applications.

Explore 1 awesome GitHub repository matching artificial intelligence & ml · ActiveRecord Recommendation Plugins. Refine with filters or upvote what's useful.

Awesome ActiveRecord Recommendation Plugins GitHub Repositories

Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
  • davidcelis/recommendableAvatar von davidcelis

    davidcelis/recommendable

    1,354Auf GitHub ansehen↗

    Recommendable ist eine Ruby-Bibliothek, die darauf ausgelegt ist, Empfehlungs-Engines direkt in Datenbank-gestützte Anwendungen zu integrieren. Sie bietet ein Framework zur Verfolgung von Benutzerinteraktionen wie Likes, Dislikes und Bookmarks, um detaillierte Interessenprofile zu erstellen und personalisierte Inhaltsempfehlungen zu generieren. Die Engine zeichnet sich durch die Nutzung von Collaborative Filtering aus, um Beziehungen zwischen Elementen basierend auf überschneidendem Benutzerverhalten zu identifizieren. Sie unterstützt sowohl personalisierte Vorschläge, die auf individuelle Präferenzen zugeschnitten sind, als auch aggregierte Beliebtheitsrankings, die trendige Inhalte über den gesamten Datensatz hinweg hervorheben. Das System verwaltet rechenintensive Aufgaben durch asynchrone Hintergrundverarbeitung, wodurch sichergestellt wird, dass Ähnlichkeits-Scoring und Empfehlungs-Updates die Anwendungsreaktionsfähigkeit nicht beeinträchtigen. Entwickler können die Engine mithilfe von Lifecycle-Hooks weiter erweitern, die benutzerdefinierte Geschäftslogik auslösen, wenn sich Benutzerpräferenzen ändern, oder durch manuelle Initiierung von Neuberechnungen außerhalb der standardmäßigen automatisierten Queues.

    Integrates with database models to track user interactions and process recommendation updates through background job queues.

    Rubyrailsrecommendationsredis
    Auf GitHub ansehen↗1,354
  1. Home
  2. Artificial Intelligence & ML
  3. Recommendation Models
  4. ActiveRecord Recommendation Plugins