Python을 사용하여 영화 추천 시스템을 구축한 방법

소개
Netflix가 내가 보고 싶은 콘텐츠를 어떻게 아는지 궁금한 적이 있나요? 추천 시스템은 영화 산업의 필수적인 부분이 되었으며 사용자가 자신의 선호도에 따라 좋아할 영화를 찾을 수 있도록 도와줍니다. 이 게시물에서는 공개적으로 사용 가능한 데이터 세트와 라이브러리를 활용하여 Python을 사용하여 간단한 영화 추천 시스템을 구축한 방법을 안내하겠습니다. 초보자이든 숙련된 개발자이든 이 가이드는 데이터와 권장 사항의 세계를 재미있게 알아볼 수 있는 기회가 될 것입니다.

1단계: 데이터 수집
추천 시스템을 구축하려면 먼저 데이터가 필요합니다. 영화의 경우 사용 가능한 최고의 데이터 세트 중 하나는 MovieLens 데이터 세트입니다. 여기에는 영화 제목, 장르, 사용자 평가 등의 정보가 포함됩니다.

데이터세트 다운로드: MovieLens 웹사이트를 방문하여 데이터세트를 다운로드하세요.
Python에 데이터 로드: Pandas와 같은 라이브러리를 사용하여 데이터세트를 읽습니다.
파이썬
살린코드
팬더를 PD로 가져오기

영화 및 평점 데이터세트 로드

영화 = pd.read_csv('movies.csv')
등급 = pd.read_csv('atings.csv')

인쇄(movies.head())
인쇄(등급.헤드())
2단계: 추천 접근 방식 선택
추천 시스템에는 두 가지 인기 있는 유형이 있습니다.

콘텐츠 기반 필터링: 사용자가 이전에 좋아했던 영화와 유사한 영화를 추천합니다.
협업 필터링: 유사한 사용자가 좋아한 영화를 기준으로 추천합니다.
이 튜토리얼에서는 콘텐츠 기반 필터링을 사용해 보겠습니다.

3단계: 모델 구축
sklearn 라이브러리의 TF-IDF Vectorizer를 사용하여 영화 장르와 설명을 분석하겠습니다.

파이썬
살린코드
sklearn.feature_extraction.text에서 TfidfVectorizer 가져오기
sklearn.metrics.pairwise에서 cosine_similarity 가져오기

장르를 벡터화하다

tfidf = TfidfVectorizer(stop_words='english')
Movies['genres'] = 영화['genres'].fillna('') # NaN 값 채우기
tfidf_matrix = tfidf.fit_transform(movies['genres'])

유사성 행렬 계산

cosine_sim = cosine_similarity(tfidf_matrix, tfidf_matrix)

인쇄(cosine_sim.shape)
4단계: 추천 기능 구축
이제 선택한 제목을 기준으로 영화를 추천하는 기능을 만들어 보겠습니다.

파이썬
살린코드
def 추천_영화(제목, cosine_sim=cosine_sim):
인덱스 = pd.Series(movies.index, index=movies['title']).drop_duplicates()
idx = 인덱스[제목]

# Get pairwise similarity scores<br>
sim_scores = list(enumerate(cosine_sim[idx]))<br>
sim_scores = sorted(sim_scores, key=lambda x: x[1], reverse=True)
<h2>
  
  
  Get top 10 recommendations
</h2>

<p>sim_scores = sim_scores[1:11]<br>
movie_indices = [i[0] for i in sim_scores]</p>

<p>return movies['title'].iloc[movie_indices]<br>
</p>

예시

print(recommend_movies('토이 스토리(1995)'))
5단계: 모델 테스트
기능이 준비되면 다양한 영화 제목으로 테스트하여 권장 사항이 기대에 부합하는지 확인하세요.

6단계: 배포(선택 사항)
더 나아가고 싶다면 Flask 또는 Django와 같은 프레임워크를 사용하여 이 모델을 간단한 웹 애플리케이션으로 배포하세요. 다음은 Flask에 대한 스니펫입니다.

파이썬
살린코드
플라스크 가져오기 플라스크, 요청, jsonify

앱 = Flask(이름)

@app.route('/recommend',method=['GET'])
def 추천():
제목 = request.args.get('title')
추천 = 추천_영화(제목)
jsonify(recommendations.tolist()) 반환

if 이름 == '메인':
app.run(debug=True)
결론
축하해요! Python을 사용하여 기본적인 영화 추천 시스템을 구축했습니다. 이는 간단한 구현이지만 딥 러닝이나 하이브리드 모델을 사용하여 더 복잡한 시스템에 대한 가능성을 열어줍니다. ? 지금 확인해보세요! https://shorturl.at/dwHQI
? 여기서 시청하세요 https://shorturl.at/zvAqO

이 게시물이 마음에 드셨다면 댓글을 남기시거나 시스템 개선을 위한 아이디어를 공유해 주세요. 즐거운 코딩하세요!

태그

영화 #python #추천시스템 #machinelearning #api

이 부분을 더 맞춤설정하거나 특정 섹션을 추가하고 싶다면 알려주세요! 지금 확인해보세요! https://shorturl.at/dwHQI
? 여기서 시청하세요 https://shorturl.at/zvAqO

위 내용은 Python을 사용하여 영화 추천 시스템을 구축한 방법의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!