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。