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

Découvrez les meilleurs dépôts open-source grâce à notre recherche par IA.

ExplorerRecherches sélectionnéesAlternatives open sourceLogiciels auto-hébergésBlogPlan du site
ProjetServeur MCPÀ proposNotre méthodologiePresse
Mentions légalesConfidentialitéConditions d'utilisation
© 2026 Bringes Technology SRL·VAT RO45896025·hello@awesome-repositories.com
·

1 dépôt

Awesome GitHub RepositoriesInteraction Tracking Systems

Frameworks for recording and persisting granular user interaction data to build interest profiles.

Distinct from User Preference Settings: Distinct from User Preference Settings: focuses on tracking behavioral interactions like likes and bookmarks rather than managing user-facing configuration settings.

Explore 1 awesome GitHub repository matching user interface & experience · Interaction Tracking Systems. Refine with filters or upvote what's useful.

Awesome Interaction Tracking Systems GitHub Repositories

Trouvez les meilleurs dépôts grâce à l'IA.Nous recherchons les dépôts les plus pertinents grâce à l'IA.
  • davidcelis/recommendableAvatar de davidcelis

    davidcelis/recommendable

    1,354Voir sur GitHub↗

    Recommendable est une bibliothèque Ruby conçue pour intégrer des moteurs de recommandation directement dans des applications basées sur des bases de données. Elle fournit un framework pour suivre les interactions des utilisateurs, telles que les likes, les dislikes et les favoris, afin de construire des profils d'intérêt détaillés et de générer des suggestions de contenu personnalisées. Le moteur se distingue en utilisant le filtrage collaboratif pour identifier les relations entre les éléments basées sur le comportement utilisateur qui se chevauche. Il prend en charge à la fois les suggestions personnalisées adaptées aux préférences individuelles et les classements de popularité agrégés qui font remonter le contenu tendance à travers l'intégralité du jeu de données. Le système gère les tâches computationnelles lourdes via un traitement asynchrone en arrière-plan, garantissant que le calcul de similarité et les mises à jour de recommandation n'impactent pas la réactivité de l'application. Les développeurs peuvent étendre davantage le moteur en utilisant des hooks de cycle de vie qui déclenchent une logique métier personnalisée chaque fois que les préférences utilisateur changent, ou en initiant manuellement des recalculs en dehors des files d'attente automatisées standard.

    Tracks user interactions including likes, dislikes, and bookmarks to build detailed interest profiles.

    Rubyrailsrecommendationsredis
    Voir sur GitHub↗1,354
  1. Home
  2. User Interface & Experience
  3. User Preference Settings
  4. Interaction Tracking Systems