gxtrobot/bustag: a tag and recommend system for old bus driver

Bustag 是一个基于 python 异步爬虫框架开发aspider的自动车牌推荐系统, 系统原理为定时爬取最新车牌信息, 然后可以对车牌进行打标(标示是否喜欢), 打标车牌到一定数量可以进行训练并生成模型, 以后就可以基于此模型自动对下载的车牌进行预测是否喜欢, 可以过滤掉大量不喜欢的车牌, 节约时间

链接: https://pan.baidu.com/s/1pqarq7fOXjsbad0WN4Uaaw 提取码: budu

压缩包密码: gxtrobot

更新

2019-9-6 0.1.1版发布

修复部分bug
增加windows(只在win10下测试过)), mac 绿色版, 解压直接使用, 只需在data目录下创建config.ini, 然后启动系统, 访问localhost:8000

新录了个视频, 演示了如何使用docker运行项目

(linux/mac) https://pan.baidu.com/s/13a_7pE-uK0Jt7w2anVJV9A 提取码: za4m
(win10) https://pan.baidu.com/s/1dtUFvMvrYlw5plctaky46w 提取码: yd2y

系统功能

自动抓取最新车牌信息, 抓取频率可以自定义
系统启动后自动开启一次下载, 然后安装设置抓取频率下载
车牌打标功能
模型训练, 基于当前所有打标数据训练模型
有了模型后, 自动预测判断是否喜欢
Docker 镜像一键运行, 省去新手配置项目的麻烦
项目访问地址: localhost:8000

系统截图(隐藏了左边封面图片)

推荐页面
打标页面
其他页面

如何运行项目

windows , mac绿色版如何使用

下载zip包后解压缩到任意目录, 然后在目录下的data目录里, 创建文件config.ini - windows 版: 执行(双击)bustag.exe - mac 版: 执行(双击)bustag - 浏览器访问: localhost:8000, 访问成功说明运行正常, 如果访问不成功, 可以看bustag程序窗口有无报错

本地源代码安装

懂 python 开发的可以 clone 本项目, 建立一个虚拟环境并按照 requirements.txt 的 python 包后, 在项目根目录下直接运行

python bustag/app/index.py

或者安装了gunicorn
gunicorn bustag.app.index:app --bind='0.0.0.0:8000'

使用 docker 运行(推荐)

建立一个目录, 如 bustag, 然后在该目录下建一个子目录 data, data 目录用于保存配置文件以及下载数据的数据库
在 data 下需要建立一个文件, config.ini, 该文件用于设置爬取的初始地址, 以及每次下载的最大数量
运行命令

linux, mac
  docker run --rm -d -v $(pwd)/data:/app/data -p 8000:8000 gxtrobot/bustag-app

  windows powershell
  docker run --rm -d -v ${PWD}/data:/app/data -p 8000:8000 gxtrobot/bustag-app

如何使用项目

请按照以下顺序

到打标页面进行打标, 达到一定数量(喜欢+不喜欢), 比如 300
到其他页面训练模型
坐等系统自动推荐
在推荐页面进行确认(确认过的数据转为打标数据)
积累更多打标数据, 再次训练模型, 打标数据越多模型效果越好

data 目录文件说明

|____bus.db
|____config.ini
|____crontab.txt
|____model
| |____ label_binarizer.pkl
| |____model.pkl

config.ini, (系统配置文件, 必须, 系统启动时候需要此文件, 参考文件)
- root_path: 制定bus网站主页地址, 爬虫起始地址, 由于地址可能变化, 确保本机能够访问该地址, 如果需要代理才能访问, 必须开启全局代理, 系统本身无代理设置
- count: 每次下载总数, 建议不要太多, 500以下比较好
- interval: 每次下载间隔时间, 单位为秒, 建议不要低于1800秒
bus.db (数据库文件, 可选, 但是可以放一个现成的库, 有 2000 条数据, 方便直接开始打标, 不需要等下载)
crontab.txt (定时下载配置文件, 可选, 参考例子)
model 目录(系统训练生成的模型)

其他问题

改变自动下载的频率系统默认为每 30 分钟下载一次, 如果需要自定义可以在 data 下建立一个crontab.txt文件, 该文件是基于 linux crontab 执行, ,具体可以看wiki

*/30 * * * * /app/docker/run_download.sh >> /var/log/bustag.log 2>&1

改变下载初始 url 因为该 url 会经常改变, 所有系统的 config.ini -> download -> root_path 定义了初始 url, 可以根据需要改变
是否可以使用代理目前系统还没加入代理功能, 不过可以在 docker 设置代理访问
下载数量多少合适鉴于爬虫的稳定性, 不建议每次下载太多, 也可能会给 bus 服务器带来压力, 如果需要, 初次使用可以加大到 1000, 这样可以下载多点初始数据用于打标, 后面可以改为 300
模型效果如何经过一些测试, 最终使用了 KNN 模型, 效果的话谈不上非常好, 在准确率上还可以, 不过召回率相对低一些, 也就是说推荐的准确率相对高点, 但是会漏掉一些喜欢的数据. 所以, 鉴于定期对推荐数据进行确认, 经过确认后, 推荐数据转为打标数据, 然后重新训练,打标数据越多效果越好
要多少打标数据才能训练模型建议至少达到 300 打标数据(包括喜欢, 不喜欢), 如何尝试训练模型, 并查看模型效果值, 如不满意可以增加训练数据并重新训练
模型用了什么数据训练模型目前主要使用了各种标签数据, 比如影片分类, 女优名等等, 目前没有使用到标题
如何改变服务器运行端口服务器默认为 8000 端口, 如果需要改变, 可以修改启动 docker 容器命令, 比如 8000

修改为8000端口, 注意:后面的8000不要变, 然后可以通过localhost:8000访问

docker run --rm -d -v $(pwd)/data:/app/data -p 8000:8000 gxtrobot/bustag-app

如何备份数据库系统使用的数据库保存在 data 目录下的 bus.db, 如果有需要可以将此文件拷贝一份作为备份, 比如在打标测试模型时, 如果不想使用当前打标数据, 可以将数据库恢复到原来的版本该数据库为 sqlite 格式, 可以直接使用软件打开, 比如 DB Browser for Sqlite, 该软件支持多平台