Unduh AI_Movie Recommendation - Unduh Kode Sumber AI

AI_Movie Recommendation

Kode sumber lainnya

1.0.0

Unduh

Sistem Rekomendasi Film

Proyek ini mengimplementasikan sistem rekomendasi film menggunakan pencarian vektor dan kesamaan kosinus. Sistem ini mengambil input pengguna dalam bentuk judul film atau ikhtisar dan mengembalikan film yang paling mirip berdasarkan embeddings mereka.

Fitur

Pencarian vektor untuk rekomendasi film
Perhitungan kesamaan kosinus untuk menemukan film serupa
API Restful Dibangun dengan Flask
Dukungan Docker untuk penempatan yang mudah

Persyaratan

Python 3.10
Labu
txtai
Numpy
Gunicorn
Acar

Instalasi

Klon Repositori:

git clone https://github.com/NexusAurora/MovieApp.git
cd MovieApp

Bangun gambar Docker:
```
docker build -t MovieApp .
```
Jalankan wadah Docker:
```
docker run -p 8000:8000 MovieApp
```

Penggunaan

Setelah aplikasi berjalan, Anda dapat membuat permintaan posting ke titik akhir /search untuk mendapatkan rekomendasi film.

Format permintaan

URL : http://localhost:8000/search
Metode : POST
Tubuh (JSON):

{
    "query" : " Your movie title or overview " ,
    "results" : 5
}

Format respons

Responsnya akan menjadi objek JSON yang berisi film yang disarankan dan probabilitasnya:

[
    {
        "Output" : {
            "title" : " Movie Title 1 " ,
            "overview" : " Overview of Movie 1 "
        },
        "Probability" : 0.95
    },
    {
        "Output" : {
            "title" : " Movie Title 2 " ,
            "overview" : " Overview of Movie 2 "
        },
        "Probability" : 0.92
    }
]

Langkah -langkah untuk membuat sistem rekomendasi

Impor dan Parse Dataset : Muat dataset yang berisi judul film dan ikhtisar.
Ekstrak data yang relevan : Simpan hanya judul dan tinjauan umum, membuang parameter lainnya.
Hitung embeddings vektor : vektor setiap ikhtisar dan simpan embeddings.
Terima Input Pengguna : Mengubah input pengguna menjadi embedding.
Temukan kesamaan kosinus : Hitung kesamaan cosinus antara embedding input pengguna dan embeddings film.
Kembalikan Hasil Teratas : Mengembalikan film N teratas dengan kesamaan tertinggi.