playlist2vec

关于

该存储库包含playlist2vec.com的代码，该网站旨在演示我们的论文中描述的矢量搜索模型，“播放列表的代表，探索和建议”。

特征

• 直观搜索接口和Spotify集成
• 微服务体系结构，用于无缝可扩展性。
• 简化部署的Docker容器。
• 使用低成本库（SQLite和Usearch矢量搜索）的利用来最大程度地减少应用程序足迹。
• 基于MMAP的向量搜索使应用程序可以在预算友好的机器（例如Raspberry Pi）上有效运行。
• NGINX配置可用于稳健的流量处理。
• 限制了为保护DDOS攻击而实施的速率。
• NGINX缓存以优化服务器资源使用情况。
• 使用Kubernetes自动缩放功能。

安装

注意：此设置已在Ubuntu 22.04上进行了X86_64和AARCH64架构的测试。

1。安装Docker

1. 请按照此链接安装Docker的说明：在Ubuntu上安装Docker。
2. 确保完成此处概述的后安装步骤。

2。安装nginx

通过以下可用的指南安装NGINX：如何在Ubuntu上安装NGINX 22.04。

3。安装nodejs

您可以通过参考本教程：如何在Ubuntu 22.04上安装Node.js来安装Node.js（v20.18.0）。

4。下载代码

运行以下命令以克隆存储库：

 git clone https://github.com/piyp791/playlist2vec.git

5。导航到项目

通过运行：导航到项目目录：

 cd playlist2vec

6。nginx设置

1. 将nginx/nginx.conf文件复制到/etc/nginx/ 。

2. 将nginx/site_config文件复制到/etc/nginx/sites-available/<YOURSITENAME> 。

3. 创建一个符号链接，从sites-available到sites-enabled并具有以下命令：

    sudo ln -s /etc/nginx/sites-available/<YOURSITENAME> /etc/nginx/sites-enabled/
   

4. 通过执行删除默认配置文件：

    sudo rm /etc/nginx/sites-enabled/default
   

5. 为NGINX创建一个缓存目录：

    sudo mkdir /var/cache/nginx
   

6. 通过运行来验证配置是正确的：

    sudo nginx -t
   

7. 通过命令重新启动nginx：

    sudo systemctl restart nginx
   

7。安装应用程序

从项目目录中，执行构建脚本：

 ./build.sh.

这将创建网站的HTTP版本，该版本可以与HTTPS前端的CloudFlare隧道之类的服务集成。

笔记

默认情况下，构建脚本将应用程序配置为使用Mini版本的语料库，其中包含377,000个项目。在此配置中，将迷你语料库的搜索索引加载到内存中。相比之下，使用完整语料库构建的搜索索引以内存映射模式访问。

要更改此设置，您可以修改.env文件。将IS_MINI变量设置为false以使用语料库的完整版本：

 IS_MINI=false

在开发模式下运行（无NGINX）

设置搜索服务：

 cd search-service
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn src.server:app --port 3001

设置自动完成服务：

 cd autocomplete-service
python3 -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
uvicorn src.server:app --port 3002

设置网络服务器：

 cd web-server
npm install
npm run start-dev-mode

运行测试

 cd web-server
npm run test-dev

引用

 Papreja, P., Venkateswara, H., Panchanathan, S. (2020). Representation, Exploration and Recommendation of Playlists. In: Cellier, P., Driessens, K. (eds) Machine Learning and Knowledge Discovery in Databases. ECML PKDD 2019. Communications in Computer and Information Science, vol 1168. Springer, Cham. https://doi.org/10.1007/978-3-030-43887-6_50