AJAX Movie Recommendation System with Sentiment Analysis
1.0.0
このアプリケーションの更新バージョンは、https：//github.com/kishan0725/themovie-cinemaにあります。
コンテンツベースの推奨システムは、映画に似た映画を推奨しています。ユーザーは、その映画のためにユーザーが与えたレビューの感情を分析し、分析します。
映画の詳細（タイトル、ジャンル、ランタイム、評価、ポスターなど）は、TMDB、https：//www.themoviedb.org/documentation/APIによるAPIを使用してフェッチされ、APIでの映画のIMDB IDを使用して、IMDBのレビューを使用してbeautifulsoup4を使用してレビューを使用して削除しました。
YouTubeへのリンク：https：//www.youtube.com/watch?v=dhveptyecfw
私は、すべての言語映画をサポートする「The Movie Cinema」と呼ばれる同様のアプリケーションを開発しました。しかし、このアプリケーションとは異なる唯一のことは、「The Movie Cinema」でTMDBの推奨エンジンを使用したことです。このアプリケーションで私が開発した推奨パートは、TMDBのすべての700,000以上の映画のカウントベクターマトリックスを生成するために（Herokuに展開した後でも）RAMの200％を消費するため、多言語映画をサポートしていません。
「映画「Cinema」へのリンクアプリケーション：https：//tmc.kishanlal.dev/
タイピング中に自動接続を通して探している映画が見つからない場合は、心配する必要はありません。映画の名前を入力して、「Enter」を押すだけです。タイプミスを作成しても、それでも正常に動作するはずです。
ソースコード：https：//github.com/kishan0725/the-movie-cinema
https://www.themoviedb.org/でアカウントを作成し、アカウント設定の左側のサイドバーからAPIリンクをクリックし、すべての詳細を入力してAPIキーに適用します。 WebサイトURLを求められている場合は、「Na」をお持ちでない場合は、「Na」を与えるだけです。リクエストが承認されると、 APIサイドバーにAPIキーが表示されます。
pip install -r requirements.txtに記載されているすべてのライブラリをcommand.txtファイルにインストールstatic/recommend.jsファイルの両方の場所（行番号15および29）の両方の場所（ライン番号15および29）の両方を交換し、保存をヒットします。python main.pyを実行してファイルmain.pyを実行します。http://127.0.0.1:5000/と入力します。
ユーザーが好きなアイテムに最も似ているアイテムをどのように決定しますか？ここに類似性スコアがあります。
これは、ゼロから1の間の数値範囲であり、ゼロから1つのスケールで2つのアイテムが互いに類似しているかを判断するのに役立ちます。この類似性スコアは、両方のアイテムのテキストの詳細の類似性を測定して得られます。したがって、類似性スコアは、2つの項目の指定されたテキストの詳細の類似性の尺度です。これは、Cosineの類似性によって行うことができます。
コサインの類似性は、ドキュメントのサイズに関係なく類似している測定に使用されるメトリックです。数学的には、多次元空間に投影された2つのベクトル間の角度のコサインを測定します。コサインの類似性は有利です。なぜなら、2つの類似したドキュメントがユークリッドの距離によって（ドキュメントのサイズのサイズのため）遠く離れている場合でも、それらがまだ近くに方向付けられる可能性があるためです。角度が小さいほど、コサインの類似性が高くなります。
コサインの類似性についての詳細：コサインの類似性の背後にある数学を理解する
