sdl60660/letterboxd_recommendations

何を解決するか

このプロジェクトは、Letterboxdプロフィールに基づいて映画を推薦する映画推薦システムを提供します。ユーザーの既存の評価を分析することで、手動での検索の必要をなくし、ユーザーが楽しめる可能性のある他の映画を予測します。

動作方法

システムは公開されたLetterboxdプロフィールから星評価をスクレイピングし、数値（1-10）に変換します。その後、他のユーザーの大量の評価データに基づいて訓練された、特異値分解（SVD）を用いた協調フィルタリングモデルを使用します。このモデルは、ユーザーが見たことのない映画のスコアを予測し、上位の予測結果を返します。これはすべて評価パターンに基づいており、ジャンルや俳優などの映画メタデータは使用していません。

対象ユーザー

Letterboxdを利用し、評価履歴に基づいたパーソナライズされた推薦を希望する映画愛好家。

特徴

• 協調フィルタリング: SVDを用いてユーザーと映画の類似性を特定します。
• フルスタック実装: Reactフロントエンド、FastAPIバックエンド、MongoDBによるデータ保存を含みます。
• フルサイクルデータパイプライン: Letterboxdデータをスクレイピングするカスタムクローラーと、タスクキュー管理にRedisを用います。
• 大規模データ処理: 数百万件の評価を処理し、予測を生成できる能力があります。