Movie-Recommendation-System

基於內容的電影推薦系統:訓練管道(TF-IDF、SVD、top-K 餘弦鄰居)以及一個具備搜尋、自動完成和 JSON API 的 Django 應用程式。小型模組

Movie-Recommendation-System 是什麼?

基於內容的電影推薦系統:訓練管道(TF-IDF、SVD、top-K 餘弦鄰居)以及一個具備搜尋、自動完成和 JSON API 的 Django 應用程式。小型模型,查詢時間約 1 毫秒,附帶一個示範模型。

Movie-Recommendation-System 概覽

這是什麼

這是一個基於內容的電影推薦系統。它包含一個訓練流程,使用 TF-IDF、截斷奇異值分解(SVD)和 top-K 餘弦鄰居,從 TMDB 格式的 CSV 檔案建立模型。它還包含一個 Django 網頁應用程式,提供搜尋、自動完成、排名結果和 JSON API。儲存庫中包含一個涵蓋 6,248 部電影的示範模型,因此複製後即可立即使用,無需額外設定。該系統設計為小巧且快速,鄰居陣列以記憶體映射檔案儲存,以實現高效查詢。訓練流程僅儲存每部電影的 50 個最近鄰居,避免了大型的 N x N 矩陣。應用程式經過測試,並包含安全功能,例如在 DEBUG 為 False 時拒絕使用開發金鑰啟動,以及在模型載入期間報告啟動狀態以供平台健康檢查。

主要功能

  • 基於內容的推薦,使用 TF-IDF、SVD 和餘弦相似度,無需收集使用者歷史記錄。
  • 一個訓練流程,可將任何 TMDB 格式的 CSV 轉換為小巧快速的模型目錄。
  • 一個 Django 網頁應用程式,提供搜尋、自動完成、排名結果和 JSON API。
  • 模型體積小:僅儲存每部電影的前 50 個最近鄰居,而非完整的相似度矩陣。
  • 低記憶體使用:鄰居陣列以記憶體映射方式儲存,因此每個請求僅讀取一行。
  • 安全部署:當 DEBUG=False 時,拒絕使用開發金鑰啟動,並在模型載入期間報告啟動狀態。
  • 包含一個涵蓋 6,248 部電影的示範模型,可立即使用。

使用情境

  • 運行一個電影推薦網站或服務,無需收集使用者歷史記錄即可從第一次查詢開始運作。
  • 使用訓練流程在自訂的電影資料集或目錄上建立自訂的推薦模型。
  • 使用提供的推論類別將推薦引擎整合到其他 Python 程式碼中,該類別支援年份、類型和評分篩選。
  • 在更大的應用程式或微服務架構中使用 JSON API 端點進行自動完成和健康檢查。

快速開始

bashgit clone https://github.com/inboxpraveen/Movie-Recommendation-System.gitcd Movie-Recommendation-Systempython -m venv venvsource venv/bin/activate # Windows: venv\Scripts\activatepip install -r requirements.txtpython manage.py migratepython manage.py runserver開啟 http://localhost:8000。由於示範模型會自動被找到,搜尋功能可立即使用。

授權與價格

授權為 MIT。此專案為開源。

內容整理自該專案公開的 README 與儲存庫資訊。

將此徽章加入你的 README

Featured on YunoDB 徽章樣式與說明

你是這個專案的維護者嗎?展示它已收錄於 YunoDB。

Markdown[![Featured on YunoDB](https://yunodb.com/badge/inboxpraveenmovie-recommendation-system.svg)](https://yunodb.com/tools/inboxpraveenmovie-recommendation-system?utm_source=github&utm_medium=badge)
HTML<a href="https://yunodb.com/tools/inboxpraveenmovie-recommendation-system?utm_source=github&utm_medium=badge"><img src="https://yunodb.com/badge/inboxpraveenmovie-recommendation-system.svg" alt="Featured on YunoDB" height="20"></a>