AI_Movie Recommendation

Система рекомендаций фильма

Этот проект реализует систему рекомендаций фильма с использованием векторного поиска и сходства косинуса. Система берет пользовательский ввод в виде названия фильма или обзора и возвращает самые похожие фильмы на основе их встроений.

Функции

• Векторизованный поиск рекомендаций фильма
• Расчет сходства косинуса для поиска похожих фильмов
• RESTFUL API, построенный из колбы
• Поддержка Docker для легкого развертывания

Требования

• Python 3.10
• Колба
• txtai
• Numpy
• Стрелобь
• Маринованный

Установка

1. Клонировать репозиторий:

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

2. Создайте изображение Docker:

   docker build -t MovieApp .

3. Запустите контейнер Docker:

   docker run -p 8000:8000 MovieApp

Использование

После того, как приложение будет запущено, вы можете сделать запросы POST в конечную точку /search , чтобы получить рекомендации фильма.

Запрос формат

• URL : http://localhost:8000/search
• Метод : POST
• Тело (JSON):

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

Формат ответа

Ответ будет объектом JSON, содержащим рекомендуемые фильмы и их вероятности:

[
    {
        "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
    }
]

Шаги по созданию системы рекомендаций

1. Набор данных импорта и анализа : загрузите набор данных, содержащий названия фильмов и обзоры.
2. Извлеките соответствующие данные : сохраните только заголовок и обзор, отбрасывая другие параметры.
3. Рассчитайте векторные встраивания : векторизировать каждый обзор и хранить встроенные.
4. Принять пользовательский ввод : преобразовать ввод пользователя в внедрение.
5. Найти косинусные сходства : вычислить сходство косинуса между введением пользователя и встраиваемыми фильмами.
6. Вернуть верхние результаты : верните верхние N фильмов с самым высоким сходством.

Лицензия

Этот проект лицензирован по лицензии MIT. Смотрите файл лицензии для получения подробной информации.

Благодарности

• txtai для модели Enterdings.
• Колба для веб -структуры.
• Docker для контейнеризации.

Автор

Мое имя
Мой профиль GitHub