主要目标是创建一个系统，以在访问者浏览网站时向他们推荐相关文章。 尽管从理论上讲，创建推荐引擎不是问题，但真正的问题是将推荐引擎集成到运行在TYPO3 CMS上的现有网站中。
开发推荐引擎并不是一个大问题：
1.数据可用
2.环境支持引擎。
我已经安排好将数据预处理为可用格式。 此后，从理论上讲，可以使用Python（个人喜好）构建基于内容的或混合过滤机制。
可用于此目的的各种资源；
例如：
How to create my own recommendation engine?
SaaS Recommendation Engine
如上所述，主要瓶颈是该网站基于TYPO3 CMS，而我在处理Web应用程序方面经验不足。
我最初的想法是让推荐引擎（Python）在后端运行，它将提供使用API向前端显示的必要推荐。这主要来自Recombee提供的文档，Recombee是基于SaaS的推荐系统。
但是，TYPO3（CMS）的存在使事情变得复杂：
1：我是否仍应使用Python编写主机？
2：如何将相关数据传递给TYPO3（TYPO3应该根据此信息呈现内容？
我的专长在于数据库和数据分析；因此，这是一项非常具有挑战性的活动，尤其是由于我缺乏Web应用程序的经验。
我总是可以开始使用引擎本身；但是，我不想结束无法在实际生产环境中实现的程序。
因此，如果有人能指出正确的方向，我将不胜感激。
答案 0 :(得分：0)
在与一位老师和Aristeidis Karavas的回答进行了进一步讨论之后，我提出了一个大致的实施大纲。
像我这样对Web应用程序实现了解有限的任何人，都可以将其用作将来的参考。
1-寻找宁静的api python示例。
2-创建一个简单的请求，该请求使用具有一个属性的json负载接收请求 {name：“ some name”}
3-返回带有json的响应，其中包含一个属性，您可以在其中说声您好收到的名称。
4-运行api并使用（Chrome中的Postman或rest客户端扩展）进行测试
{回复：“ hello name”}
5-将所有RE文件导入api。
6-用获取历史记录并返回列表的逻辑替换说“你好名字”的逻辑。
这假设RE算法已经处理完毕。