Moviebox

基于机器学习的电影推荐系统

目录

• 作者声明
• 描述
• 命令行界面
• 使用方法
• API
• 开发
• 团队
• 许可证

作者声明

Moviebox 是由 Mario Sinani 和 Klaudio Sinani 共同创作的一款学术研究性质的软件实现，于 2018 年 1 月 23 日在 GitHub.com 上公开发布（链接），并于 2018 年 1 月 26 日在 PyPI.org 公开注册（链接），采用 MIT 许可证。

描述

Moviebox 是一个基于内容的机器学习推荐系统，利用 tf-idf 和 余弦相似度 技术构建而成。

系统首先接受用户输入的一个自然数，该数对应于某部独特电影的 ID。随后，通过 tf-idf 方法对数据集中 5000 部不同电影的剧情简介进行分析和向量化处理。接着，根据这些电影与输入电影的 余弦相似度，选择一定数量的电影作为推荐结果。具体而言，系统会计算任意两个非零向量之间的夹角余弦值，并将其作为衡量相似度的主要指标。因此，只有那些故事情节和主题与初始电影尽可能接近的影片，才会被展示给用户作为推荐。

所使用的 数据集 是从 卡内基梅隆大学电影摘要语料库 中随机抽取的一个子集，包含 5000 部电影的标题、类别及剧情简介。

安装

pip install moviebox

安装或构建代码需要 Python 2.7+ 或 Python 3.4+。

命令行界面

$ moviebox --help

  基于机器学习的电影推荐系统

  使用方法
    $ moviebox [<选项> ...]

  选项
    --help, -h              显示帮助信息
    --search, -s            按 ID 搜索电影
    --movie, -m <int>       输入电影 ID [可为 0 至 4999 之间的任意整数]
    --plot, -p              显示电影剧情
    --interactive, -i       显示运行过程信息
    --list, -l              列出可用的电影标题
    --recommend, -r <int>   推荐数量 [可为 1 至 30 之间的任意整数]
    --version, -v           显示已安装版本

  示例
    $ moviebox --help
    $ moviebox --search
    $ moviebox --movie 2874
    $ moviebox -m 2874 --recommend 3
    $ moviebox -m 2874 -r 3 --plot
    $ moviebox -m 2874 -r 3 -p --interactive

如需查看所有电影及其对应的 ID，请参阅 此列表。

使用方法

from moviebox.recommender import recommender

movieID = 2874  # 电影 ID，对应《高卢英雄传：不列颠之战》
recommendationsNumber = 3  # 获取 3 条电影推荐
showPlots = True  # 显示每部推荐电影的剧情
interactive = True  # 运行时显示过程信息

# 生成推荐结果
recommender(
    movieID=movieID,
    recommendationsNumber=recommendationsNumber,
    showPlots=showPlots,
    interactive=interactive)

API

recommender(movieID, recommendationsNumber, showPlots, interactive)

例如 recommender(movieID=2874, recommendationsNumber=3, showPlots=True, interactive=True)

movieID

• 类型：整数

• 默认值：2874

• 可选：是

输入电影 ID。可选择 [0, 4999] 范围内的任意整数。

recommendationsNumber

• 类型：整数

• 默认值：3

• 可选：是

要生成的电影推荐数量。可选择 [1, 30] 范围内的任意整数。

showPlots

• 类型：布尔值

• 默认值：假

• 可选：是

是否显示每部推荐电影的剧情摘要。

interactive

• 类型：布尔值

• 默认值：假

• 可选：是

运行时是否显示过程相关信息。

开发

• 克隆 此仓库到本地
• 进入克隆目录 cd moviebox
• 安装依赖 fab install 或 pip install -r requirements.txt
• 检查错误 fab test
• 启动 API fab start
• 构建软件包 fab dist
• 清理编译文件 fab clean

团队

• Mario Sinani (@mariosinani)
• Klaudio Sinani (@klaudiosinani)

许可证

MIT

Moviebox 快速上手指南

Moviebox 是一个基于机器学习的电影推荐系统，利用 tf-idf 和 cosine similarities（余弦相似度）算法，根据电影剧情摘要为用户推荐相似影片。

环境准备

• 操作系统：支持 Linux、macOS 或 Windows
• Python 版本：Python 2.7+ 或 Python 3.4+
• 依赖管理：建议使用 pip 进行包管理

💡 国内加速建议：如遇下载缓慢，可使用清华或阿里云镜像源安装：

pip install moviebox -i https://pypi.tuna.tsinghua.edu.cn/simple

安装步骤

通过 PyPI 直接安装：

pip install moviebox

基本使用

方式一：命令行工具 (CLI)

查看帮助信息：

$ moviebox --help

根据电影 ID 获取推荐（例如 ID 为 2874 的电影，推荐 3 部，并显示剧情）：

$ moviebox -m 2874 -r 3 --plot

常用参数说明：

• -m, --movie <int>：输入电影 ID（范围 0-4999）
• -r, --recommend <int>：推荐数量（范围 1-30）
• -p, --plot：显示推荐电影的剧情摘要
• -l, --list：列出所有可用电影及其 ID

方式二：Python API 调用

在 Python 脚本中直接使用：

from moviebox.recommender import recommender

movieID = 2874  # 电影 ID
recommendationsNumber = 3  # 推荐数量
showPlots = True  # 是否显示剧情
interactive = True  # 是否显示运行过程信息

recommender(
    movieID=movieID,
    recommendationsNumber=recommendationsNumber,
    showPlots=showPlots,
    interactive=interactive)

运行后将输出与输入电影剧情最相似的推荐列表。