Proyek cepat ini dibangun sebagai bagian dari pembicaraan tentang pencarian semantik untuk menunjukkan perbedaan antara pencarian kata kunci tradisional dan pencarian semantik dalam konteks film. Tujuannya adalah untuk menunjukkan bagaimana pencarian semantik dapat memberikan hasil yang lebih relevan dan akurat dibandingkan dengan pencarian berbasis kata kunci sederhana yang ditawarkan sebagian besar situs web seperti IMDB.
Ikuti instruksi ini untuk mengaturnya secara lokal.
Klon Repositori.
Instal paket yang diperlukan di klien dan direktori server:
npm installSiapkan Database Film:
Jalankan aplikasi di Docker dengan docker compose :
docker compose up Tambahkan variabel lingkungan berikut dalam file .env di direktori server.
MONGO_DB_URI =
CHROMA_DB_URI = http://localhost:8000
CHROMA_DB_CREDENTIALS =
CHROMA_DB_AUTH_PROVIDER = chromadb.auth.token_authn.TokenAuthenticationServerProvider Memicu /api/movies/feed API untuk membuat embeddings vektor dari dataset film. (Jangan ragu untuk mencari dan mengubah dengan variabel BATCH_SIZE ke kreasi kumpulan batch sesuai dengan spesifikasi Anda, saya mengaturnya menjadi 100 pada MacBook Pro M1 16GB)
Uji aplikasi keluar.
http://localhost:3030 .Boring Search dan Cool Search untuk melihat perbedaan hasil. Jangan ragu untuk menaikkan PR! Bantuan Anda dihargai. Silakan ikuti langkah -langkah ini untuk berkontribusi:
git checkout -b feature/YourFeature ).git commit -m 'Add some feature' ).git push origin feature/YourFeature ).Jika Anda memiliki pertanyaan atau umpan balik, jangan ragu untuk membuka masalah.
Selamat mencari!