Github
文档项目介绍：AJAX电影推荐系统与情感分析
项目概述
AJAX电影推荐系统是一款基于内容的电影推荐应用，它能够根据用户喜欢的电影推荐相似的影片，同时分析用户对该影片的评论情感。这款系统通过使用TMDB（The Movie Database）API来获取电影的详细信息（如标题、类型、时长、评分、海报等），并通过IMDB的ID获取用户在IMDB网站上的评论进行情感分析。
核心技术
该项目利用了以下核心技术：
- Python和Flask：作为后台开发的编程语言和框架。
- HTML/CSS/JS：前端技术，用于构建用户界面。
- TMDB API：用于获取电影的详细信息。
- BeautifulSoup4：用于从IMDB网站抓取用户评论。
- 余弦相似度（Cosine Similarity）：用于衡量电影之间的相似性。
推荐逻辑
系统通过一个叫做相似度分数的指标来决定哪些电影与用户喜欢的电影最相似。相似度分数的范围在0到1之间，数值越高表示相似性越高。系统通过余弦相似度来比较文本内容的相似性，计算出的相似度越高，推荐给用户的可能性就越大。
如何运行项目
如果你想在本地运行这项项目，可以按照以下步骤操作：
- 克隆或下载项目代码到本地机器。
- 使用命令
pip install -r requirements.txt安装所有依赖库。 - 从TMDB申请一个API密钥，并将其替换到
static/recommend.js文件中的指定位置。 - 在命令行/终端中运行
main.py文件 (python main.py)。 - 在浏览器中访问
http://127.0.0.1:5000/。
数据集来源
该项目的数据来源包括：
- IMDB 5000电影数据集
- 其他年度电影列表，如2018年，2019年，和2020年。
相似项目
该系统的另一个版本名为"The Movie Cinema"，它支持多语言电影的推荐。这一版本使用TMDB自带的推荐引擎而没有进行多语言扩展，因为对70多万部电影生成计数向量化矩阵消耗过大资源。
项目的可视化
项目包含了完整的架构图和演示视频链接，帮助用户更好地理解系统的工作流程。
这个项目不仅能为用户提供个性化的电影推荐，还通过情感分析加深了对用户兴趣的理解，结合现代技术为用户带来了更为智能的观影体验。
