หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

ระบบแนะนำภาพยนตร์

โครงการนี้ใช้ระบบแนะนำภาพยนตร์โดยใช้การค้นหาเวกเตอร์และความคล้ายคลึงกันของโคไซน์ ระบบใช้อินพุตของผู้ใช้ในรูปแบบของชื่อภาพยนตร์หรือภาพรวมและส่งคืนภาพยนตร์ที่คล้ายกันมากที่สุดตามการฝังตัวของพวกเขา

คุณสมบัติ

  • การค้นหาแบบเวกเตอร์สำหรับคำแนะนำภาพยนตร์
  • การคำนวณความคล้ายคลึงกันของโคไซน์สำหรับการค้นหาภาพยนตร์ที่คล้ายกัน
  • Restful API ที่สร้างด้วยขวด
  • รองรับ Docker สำหรับการปรับใช้อย่างง่ายดาย

ความต้องการ

  • Python 3.10
  • ขวด
  • txtai
  • นม
  • ปืนใหญ่
  • ดอง

การติดตั้ง

  1. โคลนที่เก็บ: 

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

  2. สร้างภาพนักเทียบท่า: 

    docker build -t MovieApp .

  3. เรียกใช้คอนเทนเนอร์ Docker: 

    docker run -p 8000:8000 MovieApp

การใช้งาน

เมื่อแอปพลิเคชันกำลังทำงานอยู่คุณสามารถส่งคำขอโพสต์ไปยังจุดสิ้นสุด /search เพื่อรับคำแนะนำภาพยนตร์

รูปแบบการร้องขอ

  • URL : http://localhost:8000/search
  • วิธี : POST
  • ร่างกาย (JSON): 
{
    "query" : " Your movie title or overview " ,
    "results" : 5
}

รูปแบบการตอบสนอง

การตอบสนองจะเป็นวัตถุ JSON ที่มีภาพยนตร์ที่แนะนำและความน่าจะเป็น: 

[
    {
        "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
    }
]

ขั้นตอนในการสร้างระบบคำแนะนำ

  1. ชุดข้อมูลนำเข้าและแยกวิเคราะห์ : โหลดชุดข้อมูลที่มีชื่อเรื่องภาพยนตร์และภาพรวม
  2. แยกข้อมูลที่เกี่ยวข้อง : เก็บเฉพาะชื่อและภาพรวมโดยยกเลิกพารามิเตอร์อื่น ๆ
  3. คำนวณเวกเตอร์ฝัง : เวกเตอร์แต่ละภาพรวมและจัดเก็บการฝังตัว
  4. ยอมรับการป้อนข้อมูลของผู้ใช้ : แปลงอินพุตผู้ใช้เป็นการฝัง
  5. ค้นหาความคล้ายคลึงกันของโคไซน์ : คำนวณความคล้ายคลึงกันของโคไซน์ระหว่างการฝังอินพุตของผู้ใช้และการฝังตัวของภาพยนตร์
  6. ส่งคืนผลลัพธ์ด้านบน : ส่งคืนภาพยนตร์ T อันดับต้น ๆ ด้วยความคล้ายคลึงกันสูงสุด

ใบอนุญาต

โครงการนี้ได้รับใบอนุญาตภายใต้ใบอนุญาต MIT ดูไฟล์ใบอนุญาตสำหรับรายละเอียด

กิตติกรรมประกาศ

  • txtai สำหรับโมเดล Embeddings
  • Flask for the Web Framework
  • นักเทียบท่าสำหรับคอนเทนเนอร์

ผู้เขียน

ชื่อของฉัน
โปรไฟล์ GitHub ของฉัน

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด