vectordb geminiapi

Recherche de films avec API Gemini, recherche de vecteur MongoDB et UI rationalisée

Description:

Ce projet implémente une application de recherche de film qui exploite la puissance de:

• Google Gemini API: pour une génération efficace d'intégration de vecteurs, capturant la signification sémantique des parcelles de cinéma.
• Recherche de vecteur MongoDB: pour récupérer des films avec des parcelles sémantiquement similaires à la requête de recherche d'un utilisateur.
• Streamlit: pour créer une application Web conviviale et interactive.

Caractéristiques:

• Les utilisateurs peuvent saisir une requête de recherche pour les films.
• L'application utilise l'API Gemini pour générer une représentation vectorielle de la requête.
• Il effectue ensuite une recherche vectorielle dans MongoDB pour trouver des films avec des incorporations d'intrigue similaires.
• L'interface utilisateur affiche les détails des films récupérés, y compris le titre, le résumé de l'intrigue (si disponible) et éventuellement des affiches (si les URL sont présentes dans les données).

Exigences:

• Python 3.x
• Bibliothèques requises:
  • google-generativeai (pour API Gemini)
  • pymongo (pour l'interaction mongodb)
  • streamlit (pour le développement d'applications Web)

Installation:

1. Cloner ce référentiel.
2. Créer un environnement virtuel (recommandé):

   python -m venv env
   source env/bin/activate  # Windows: envScriptsactivate.bat

3. Installez les bibliothèques requises:

   pip install google-generativeai pymongo streamlit

Installation:

1. Configurer l'API Gemini:
   • Obtenez un projet Google Cloud et activez l'API Gemini.
   • Créez une clé API et définissez la variable d'environnement GOOGLE_API_KEY en conséquence.
2. Connectez-vous à MongoDB:
   • Configurez une base de données MongoDB avec une collection contenant des données de film. La collection doit inclure des documents avec des champs comme title , plot (pour la recherche vectorielle) et éventuellement poster (pour l'affichage d'image).
   • Remplacez les espaces réservés dans connection_string.py avec votre chaîne de connexion MongoDB et vos noms de base de données / collection.

Usage:

1. Exécutez l'application:

   streamlit run movie_recs.py

2. Entrez une requête de recherche dans le champ de saisie du texte et appuyez sur "Entrée".
3. L'application affichera une liste de films qui correspondent sémantiquement à votre requête, ainsi que leurs détails.