Engage 22 Project Bongrub

Gaing-22-project-Bongrub

喚醒。這是食物？

一定已經聽過“ Bon Appetit”，這是法國短語，意思是“享受您的用餐”。

這是“ bongrub ”，意思是快樂的g （非正式食物）？我們都喜歡為我們提供美味的食物，但是我們當中有多少人喜歡看食譜。因此，這是一種嘗試為您帶來世界上最好和受歡迎的食譜，以幫助您節省這種狩獵的完美食譜。

聽起來很棒，對嗎？讓我們看看如何煮熟並提供？

在職的

---

這是一個像食譜存儲庫一樣工作的Web應用程序，適合所有正在等待新食譜的美食家。它可以使用機器學習模型構建的推薦引擎，該模型將秘密識別用戶的味蕾，並通過根據瀏覽的內容推薦類似的食譜來使用戶依附於此應用程序。

建議引擎可以根據三個主要類別進行分類：

• 基於內容的方法
• 協作過濾方法
• 混合方法

對於此項目，我使用了基於內容的過濾方法。該模型結合了一般的協作方法，可以作為混合模型，因為它考慮了其他用戶生成建議的意見。引擎根據其不同模型以不同的方式製作的建議，即

• 基於受歡迎程度的推薦人
• 基於類別的推薦人（也考慮了評分和受歡迎程度）
• 基於內容的推薦人（基於食譜名稱，描述，關鍵字，成分，數量以及準備食譜所需的時間）

該數據集包含Food.com上存在的食譜和評論。推薦模型從數據集中採用了9000種食譜來準備發動機。準備的引擎與燒瓶應用程序集成在一起，並創建了服務器以服務於模型生成的.pkl文件。然後將Blask應用程序與NodeJS服務器集成在一起，該服務器最終將從服務器獲取到應用程序客戶端的數據供最終用戶使用。

本地運行

---

要在本地計算機中運行此代碼，請執行以下步驟：

步驟1：在桌面上製作文件夾。在此新創建的文件夾中打開一個終端，以在計算機上克隆該存儲庫。

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

步驟2：轉到項目目錄並安裝燒瓶。

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

步驟3：運行燒瓶服務器。

python recipeapp.py

步驟4：等待10秒鐘，然後顯示燒瓶應用程序正在運行。複製它在本地計算機中運行的URL。看起來像：

在http://192.168.1.79:5000上運行（按CTRL+C退出）

步驟5：打開“ Anging-22-Project-Bongrub”中的新終端。轉到您選擇的代碼編輯器中的“ Node App”文件夾，然後打開“ app.js”文件。

cd node app/

步驟6：用您在步驟4中保存的URL地址替換URIOBJ中的IP和端口並保存文件。

步驟7：現在，在第二個終端中，在“節點應用程序”目錄中，安裝NPM軟件包（請確保已安裝了最新版本的NPM）。

npm install

步驟8：現在我們已經安裝了所有依賴項。是時候運行節點服務器了。

node app.js

該應用程序現在在您的計算機上運行。您可以通過在瀏覽器中鍵入Localhost：3001來訪問它。

希望您喜歡建議！快樂的抓！