开源推荐系统的梳理。

开源的推荐系统比较多，但把这些做成产品，不是太容易的事情。下面列举了一些。

1.PredictionIO，基于Apache Spark, Apache HBase及Spray来构建的.实际上它是一个机器学习服务.在github上非常活跃.

2.Raccoon Recommendation Engine，基于Node.js的协同过滤器，使用Redis作为存储方法.已经不维护.

3.HapiGER 是基于Node.js协同过滤引擎,使用PostgreSQL或rethinkdb.

4.EasyRec，是基于Java/Rest.已经不维护了。

5.Mahout，Hadoop/linear algebra based data mining

6.Seldon，是基于Java的预测引擎，使用类似Apache Spark的技术.

7.LensKit，基于Java的搜索推荐系统，针对中小型应用场景.

8.Oryx v2，一个大型机器学习预测架构。

9.RecDB，是一个PostgreSQL的扩展,添加了推荐算法，类似协同过滤，直接推进到数据库.

10.Crab，一个python推荐系统，使用NumPy, SciPy, matplotlib等python包.已经不太维护了.

11.predictoris，是一个ruby推荐系统.

12.Surprise，一个Python包，用来构建和分析推荐系统.内置饿了不同算法,关注在预测上.

13.LightFM，一个活跃的Python实现，包含了多个推荐算法.使用了Cython, 容易扩展到大型数据集上，多台机器上。也已经被多个产品使用.

14.Rexy，一个开源推荐系统，基于User-Product-Tag思想。具有灵活框架，来适配多种数据模式.Rexy用Python-3.5编写的，做了高度优化。使用了Aerospike作为数据库，可以灵活适配NoSQL数据库.

15.QMF，一个快速，可扩展的C++库，implicit-feedback matrix factorization models.

16.tensorrec，是一个TensorFlow推荐算法框架，基于Python的.

17.hermes，是一个基于PySpark推荐系统。已经不维护了.