AJAX Movie Recommendation System with Sentiment Analysis
1.0.0
La versión actualizada de esta aplicación se puede encontrar en: https://github.com/kishan0725/the-movie-cinema
El sistema de recomendación basado en el contenido recomienda películas similares a la película que usa usuario y analiza los sentimientos de las reseñas dadas por el usuario para esa película.
Los detalles de las películas (título, género, tiempo de ejecución, calificación, póster, etc.) se obtienen utilizando una API de TMDB, https://www.themoviedb.org/documentation/api, y utilizando la identificación IMDB de la película en la API, hice la actualización web que escribía las revisiones dadas por el usuario en el sitio IMDB utilizando beautifulsoup4 y realizaba un análisis de la belleza.
Enlace a la demostración de YouTube: https://www.youtube.com/watch?v=dhveptyecfw
He desarrollado una aplicación similar llamada "The Movie Cinema" que admite todas las películas de idiomas. Pero lo único que difiere de esta aplicación es que he usado el motor de recomendación del TMDB en "The Movie Cinema". La parte de recomendación desarrollada por mí en esta aplicación no es compatible con películas de varios idiomas, ya que consume 200% de RAM (incluso después de implementarla en Heroku) para generar matriz de Vectorizer Count para todas las más de 700,000 películas en el TMDB.
Enlace a la aplicación "The Movie Cinema": https://tmc.kishanlal.dev/
Si no puede encontrar la película que está buscando a través de las sugerencias automáticas mientras escribe, no hay que preocuparse. Simplemente escriba el nombre de la película y presione "Enter". Incluso si hace algunos errores tipográficos, aún debería funcionar bien.
Código fuente: https://github.com/kishan0725/the-movie-cinema
Cree una cuenta en https://www.themoviedb.org/, haga clic en el enlace API desde la barra lateral izquierda en la configuración de su cuenta y complete todos los detalles para solicitar la clave API. Si se le pide la URL del sitio web, solo dé "NA" si no tiene una. Verá la tecla API en su barra lateral API una vez que se apruebe su solicitud.
pip install -r requirements.txtstatic/recommend.js y presione guardar.main.py ejecutando el comando python main.pyhttp://127.0.0.1:5000/ en la barra de direcciones.
¿Cómo decide qué elemento es más similar al artículo que le gusta al usuario? Aquí vienen los puntajes de similitud.
Es un valor numérico varía entre cero a uno que ayuda a determinar cuánto dos elementos son similares entre sí en una escala de cero a uno. Esta puntuación de similitud se obtiene midiendo la similitud entre los detalles del texto de ambos elementos. Entonces, la puntuación de similitud es la medida de similitud entre los detalles de texto dados de dos elementos. Esto se puede hacer por la similitud de coseno.
La similitud de coseno es una métrica utilizada para medir cuán similares son los documentos, independientemente de su tamaño. Matemáticamente, mide el coseno del ángulo entre dos vectores proyectados en un espacio multidimensional. La similitud coseno es ventajosa porque incluso si los dos documentos similares están muy separados por la distancia euclidiana (debido al tamaño del documento), es probable que aún sean más cerca. Cuanto más pequeño sea el ángulo, mayor es la similitud cosena.
Más sobre la similitud de coseno: comprender las matemáticas detrás de la similitud de coseno
