AI_Movie Recommendation

電影推薦系統

該項目使用矢量搜索和余弦相似性實現了電影推薦系統。該系統以電影標題或概述的形式獲取用戶輸入，並根據其嵌入方式返回最相似的電影。

特徵

• 矢量化搜索電影建議
• 查找類似電影的餘弦相似性計算
• 用燒瓶構建的寧靜API
• Docker支持方便部署

要求

• Python 3.10
• 燒瓶
• TXTAI
• numpy
• 槍支
• 泡菜

安裝

1. 克隆存儲庫：

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

2. 構建Docker圖像：

   docker build -t MovieApp .

3. 運行Docker容器：

   docker run -p 8000:8000 MovieApp

用法

應用程序運行後，您可以向/search端點提出發布請求以獲取電影建議。

請求格式

• URL ： http://localhost:8000/search
• 方法： POST
• 身體（JSON）：

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

響應格式

響應將是一個包含推薦電影及其概率的JSON對象：

[
    {
        "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
    }
]

創建推薦系統的步驟

1. 導入和解析數據集：加載包含電影標題和概述的數據集。
2. 提取相關數據：僅保留標題和概述，丟棄其他參數。
3. 計算矢量嵌入：矢量化每個概述並存儲嵌入。
4. 接受用戶輸入：將用戶輸入轉換為嵌入。
5. 查找餘弦相似之處：計算用戶輸入嵌入和電影嵌入之間的餘弦相似性。
6. 返回頂部結果：返回具有最高相似之處的前N電影。

執照

該項目已根據MIT許可獲得許可。有關詳細信息，請參見許可證文件。

致謝

• TXTAI用於嵌入模型。
• Web框架的燒瓶。
• 用於容器化的碼頭。

作者

我的名字
我的github個人資料