【文件属性】：
文件名称：具有情感分析功能的AJAX电影推荐系统：基于内容的推荐系统推荐与电影用户喜欢的电影类似的电影，并分析用户对该电影的评论情绪
文件大小：2.71MB
文件格式：ZIP
更新时间：2021-01-30 10:05:09
python nlp api machine-learning sentiment-analysis
基于内容的电影推荐系统，使用AJAX进行情感分析
可以在以下位置找到此应用程序的更新版本： :
基于内容的推荐系统推荐与用户喜欢的电影相似的电影，并分析用户对该电影给出的评论的情绪。
电影的详细信息（标题，类型，放映时间，评分，海报等）是通过TMDB使用API， //www.themoviedb.org/documentation/api并使用电影中的IMDB ID来获取的。 API，我进行了网络抓取，以使用beautifulsoup4在IMDB站点中获得用户给出的评论，并对这些评论进行了情感分析。
查看现场演示： :
链接到youtube演示： :
注意
电影院
我已经开发了一个类似的应用程序，称为“电影院”，它支持所有语言的电影。 但是与此应用程序唯一不同的是，我在“电影院”中使用了TMDB的推荐引擎。 我在此应用程序中开发的推荐部分不支持多语言电影，因为它消耗了200％的RAM（即使将其部署到Heroku之后）也无法为TMDB中的所有700,000部电影生成Count Vectorizer矩阵。
链接到“电影院”应用程序： :
如果您要查找的电影
【文件预览】：
AJAX-Movie-Recommendation-System-with-Sentiment-Analysis-master
----tranform.pkl(57KB)
----nlp_model.pkl(63KB)
----main_data.csv(1015KB)
----main.py(6KB)
----templates()
--------recommend.html(7KB)
--------home.html(4KB)
----Procfile(22B)
----static()
--------autocomplete.js(2KB)
--------recommend.js(8KB)
--------image.jpg(305KB)
--------loader.gif(226KB)
--------krish-naik.PNG(345KB)
--------style.css(4KB)
----requirements.txt(269B)
----.ipynb_checkpoints()
--------preprocessing_4.ipynb(77KB)
--------sentiment.ipynb(8KB)
--------preprocessing 3.ipynb(110KB)
--------preprocessing 1.ipynb(94KB)
--------preprocessing 2.ipynb(70KB)
----README.md(5KB)
----datasets()
--------main_data.csv(1015KB)
--------data.csv(469KB)
--------new_data.csv(898KB)
--------movie_metadata.csv(1.42MB)
--------final_data.csv(991KB)
--------reviews.txt(437KB)