AJAX Movie Recommendation System with Sentiment Analysis
1.0.0
Aktualisierte Version dieser Anwendung finden Sie unter: https://github.com/kishan0725/the-movie-cinema
Inhaltsbasiertes Empfehlungssystem empfiehlt Filme, die dem Filmbenutzer ähneln, und analysiert die Stimmungen zu den Bewertungen des Benutzers für diesen Film.
Die Details der Filme (Titel, Genre, Laufzeit, Bewertung, Poster usw.) werden unter Verwendung einer API von TMDB, beautifulsoup4 abgerufen.
Link zu YouTube Demo: https://www.youtube.com/watch?v=dhveptyecfw
Ich habe eine ähnliche Anwendung namens "The Movie Cinema" entwickelt, die alle Sprachfilme unterstützt. Das einzige, was sich von dieser Anwendung unterscheidet, ist, dass ich die Empfehlungsmotor der TMDB in "The Movie Cinema" verwendet habe. Der von mir in dieser Anwendung entwickelte Empfehlungsteil unterstützt keine Multisprachler-Filme, da sie 200% RAM (auch nach dem Einsatz für Heroku) für die Generierung von Count Vectorizer-Matrix für alle über 700.000 Filme in der TMDB konsumiert.
Link zur Anwendung "The Movie Cinema": https://tmc.kishanlal.dev/
Wenn Sie den Film, den Sie beim Tippen durch automatische Anbringungen suchen, nicht finden können, müssen Sie sich keine Sorgen machen. Geben Sie einfach den Namen des Films ein und drücken Sie "Enter". Selbst wenn Sie einige Tippfehler machen, sollte es trotzdem gut funktionieren.
Quellcode: https://github.com/kishan0725/the-movie-cinema
Erstellen Sie ein Konto unter https://www.themoviedb.org/, klicken Sie in Ihren Kontoeinstellungen auf die API -Link von der linken Seitenleiste und füllen Sie alle Details aus, um die API -Taste zu bewerben. Wenn Sie nach der URL der Website gefragt werden, geben Sie einfach "na", wenn Sie keine haben. Sie sehen die API -Schlüssel in Ihrer API -Seitenleiste, sobald Ihre Anfrage genehmigt wurde.
pip install -r requirements.txtstatic/recommend.js und klicken Sie auf Speichern.main.py aus, indem Sie den Befehl python main.py ausführen.http://127.0.0.1:5000/ in die Adressleiste ein.
Wie entscheidet es, welches Element dem Elementnutzer am ähnlichsten ist? Hier kommen die Ähnlichkeitswerte.
Es ist ein numerischer Wert zwischen Null und eins, der feststellt, wie viele zwei Elemente auf einer Skala von Null bis eins ähnlich sind. Diese Ähnlichkeitsbewertung wird erhalten, um die Ähnlichkeit zwischen den Textdetails beider Elemente zu messen. Die Ähnlichkeitsbewertung ist also das Maß für die Ähnlichkeit zwischen angegebenen Textdetails von zwei Elementen. Dies kann durch Cosinus-Ähnlichkeit erfolgen.
Die Ähnlichkeit der Kosinus ist eine Metrik, mit der die Dokumente unabhängig von ihrer Größe ähnlich sind. Mathematisch misst es den Cosinus des Winkels zwischen zwei in einem mehrdimensionalen Raum projizierten Vektoren. Die Kosinusähnlichkeit ist vorteilhaft, da selbst wenn die beiden ähnlichen Dokumente durch die euklidische Entfernung (aufgrund der Größe des Dokuments) weit voneinander entfernt sind, die Chancen stehen gut, dass sie immer noch näher zusammen ausgerichtet sein können. Je kleiner der Winkel ist, desto höher ist die Kosinusähnlichkeit.
Mehr über die Ähnlichkeit der Kosinus: Verständnis der Mathematik hinter der Ähnlichkeit der Cosinus
