vectordb geminiapi

Gemini API, MongoDB 벡터 검색 및 Streamlit UI를 사용한 영화 검색

설명:

이 프로젝트는 다음의 힘을 활용하는 영화 검색 응용 프로그램을 구현합니다.

• Google Gemini API : 효율적인 벡터 임베딩 생성을 위해 영화 플롯의 의미 론적 의미를 포착합니다.
• MongoDB 벡터 검색 : 사용자의 검색 쿼리와 의미 적으로 유사한 플롯으로 영화를 검색합니다.
• 간소 : 사용자 친화적이고 대화식 웹 애플리케이션을 작성합니다.

특징:

• 사용자는 영화의 검색 쿼리를 입력 할 수 있습니다.
• 응용 프로그램은 Gemini API를 사용하여 쿼리의 벡터 표현을 생성합니다.
• 그런 다음 MongoDB 내에서 벡터 검색을 수행하여 유사한 플롯 임베드가있는 영화를 찾습니다.
• 사용자 인터페이스는 제목, 플롯 요약 (사용 가능한 경우) 및 선택적으로 포스터 (데이터에 URL이있는 경우)를 포함하여 검색된 영화의 세부 사항을 표시합니다.

요구 사항 :

• 파이썬 3.x
• 필수 라이브러리 :
  • google-generativeai (Gemini API 용)
  • pymongo (MongoDB 상호 작용)
  • streamlit (웹 앱 개발 용)

설치:

1. 이 저장소를 복제하십시오.
2. 가상 환경 생성 (권장) :

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

3. 필요한 라이브러리 설치 :

   pip install google-generativeai pymongo streamlit

설정:

1. Gemini API 구성 :
   • Google 클라우드 프로젝트를 구하고 Gemini API를 활성화하십시오.
   • API 키를 생성하고 환경 변수 GOOGLE_API_KEY 설정하십시오.
2. MongoDB에 연결 :
   • 영화 데이터가 포함 된 컬렉션으로 MongoDB 데이터베이스를 설정하십시오. 컬렉션에는 title , plot (벡터 검색) 및 선택적으로 poster (이미지 디스플레이)와 같은 필드가 포함 된 문서가 포함되어야합니다.
   • connection_string.py 의 자리 표시자를 MongoDB Connection 문자열 및 데이터베이스/수집 이름으로 교체하십시오.

용법:

1. 응용 프로그램 실행 :

   streamlit run movie_recs.py

2. 텍스트 입력 필드에 검색 쿼리를 입력하고 "Enter"를 누릅니다.
3. 앱은 세부 사항과 함께 쿼리와 의미 적으로 일치하는 영화 목록을 표시합니다.