Engage 22 Project Bongrub

Engage-22-Project-Bongrub

Проснуться. Это еда с часа ?

Должно быть, слышал «Bon Appetit», французская фраза, означающая «наслаждаться едой».

Это « bongrub », что означает счастливые личинки (неформальные для еды)? Мы все наслаждаемся вкусной едой, которую предлагают нам, но сколько из нас понравилось смотреть рецепты. Таким образом, это попытка принести вам лучшие и популярные рецепты в мире, чтобы помочь вам спасти эту охоту на идеальный рецепт.

Звучит потрясающе, верно? Давайте посмотрим, как это приготовлено и подается ?? ‍?.

РАБОТАЮЩИЙ

---

Это веб -приложение, которое работает как рецепт рецепта для всех тех гурманов, которые ждут, чтобы попробовать новые рецепты. Он работает на двигателе рекомендаций, созданный с использованием моделей машинного обучения, которые тайно идентифицируют вкусовые рецепторы пользователя и стараются держать пользователя прикрепленным к этому приложению, рекомендуя аналогичные рецепты на основе просматриваемых контента.

Двигатель рекомендаций может быть классифицирован на основе трех основных категорий:

• Подход на основе контента
• Совместный подход фильтрации
• Гибридный подход

Для этого проекта я использовал подход к фильтрации на основе контента . При сочетании обобщенного совместного подхода модель действует как гибридная модель, поскольку учитывает мнение других пользователей для получения рекомендации. Рекомендации, сделанные двигателем, работают по -разному в соответствии с различными моделями, а именно, а именно

• Рекомендуется на основе популярности
• Рекомендатор на основе категорий (учитывает также рейтинги и популярность)
• Рекомендуемой на основе контента (на основе имени рецепта, описания, ключевых слов, ингредиентов, количества и времени, необходимого для приготовления рецепта)

Набор данных содержит рецепты и обзоры, присутствующие на Food.com. Модель рекомендаций взяла 9000 рецептов из набора данных для подготовки двигателя. Подготовленный двигатель был интегрирован с приложением Flask , и был создан сервер для обслуживания файлов .pkl , сгенерированных моделью. Затем приложение Flask было интегрировано с сервером Nodejs , который, наконец, отдает данные, извлеченные с сервера клиентам приложения для конечного пользователя.

Бежать локально

---

Чтобы запустить этот код в вашей локальной машине, выполните следующие действия:

Шаг 1: Сделайте папку на рабочем столе. Откройте терминал в этой недавно созданной папке, чтобы клонировать этот репозиторий на вашей машине.

git clone https://github.com/AnanyaGarg28/Engage-22-Project-Bongrub.git

Шаг 2: Перейдите в каталог проектов и установите колбу .

cd Engage-22-Project-Bongrub/ pip3 install flask

Шаг 3: Запустите сервер Flask.

python recipeapp.py

Шаг 4: Подождите 10 секунд, прежде чем он покажет, что приложение Flask работает. Скопируйте URL, на котором он сталкивается с вашей локальной машиной. Это может выглядеть как:

Запуск на http://192.168.1.79:5000 (нажмите Ctrl+C, чтобы уйти)

Шаг 5: Откройте новый терминал в «Engage-22-Project-Bongrub». Перейдите в папку «Приложение Node» и откройте файл «app.js» в редакторе кода по вашему выбору.

cd node app/

Шаг 6: Замените IP и порт в URIOBJ на адрес URL, который вы сохранили на шаге 4 и сохраните файл.

Шаг 7: Теперь, во втором терминале, внутри каталога «Приложения Node» установите пакеты NPM (убедитесь, что у вас установлена ​​последняя версия NPM).

npm install

Шаг 8: Теперь, когда у нас установлены все зависимости. Пришло время запустить сервер узлов.

node app.js

Приложение теперь работает на вашей машине. Вы можете получить к нему доступ, набрав Localhost: 3001 в вашем браузере.

Надеюсь, вам понравятся рекомендации !! Счастливого зачатки !!