sdl60660/letterboxd_recommendations

解决的问题

本项目提供一个基于用户 Letterboxd 个人资料的电影推荐系统。通过分析用户已有的评分记录，自动预测其可能喜欢的其他电影，从而无需手动搜索。

工作原理

系统从公开的 Letterboxd 个人资料中抓取星级评分，并将其转换为数值（1-10）。随后，使用基于奇异值分解（SVD）的协同过滤模型，该模型在其他用户的大量评分数据上进行训练。模型会预测用户未观看过的电影的评分，并返回评分最高的预测结果。整个系统完全基于评分模式，不使用电影元数据（如类型、演员等）。

适用人群

使用 Letterboxd 并希望基于评分历史获得个性化推荐的电影爱好者。

主要亮点

• 协同过滤：使用 SVD 找出用户与电影之间的相似性。
• 全栈实现：包含 React 前端、FastAPI 后端和 MongoDB 数据存储。
• 全周期数据管道：包含自定义爬虫用于抓取 Letterboxd 数据，以及使用 Redis 进行任务队列管理。
• 大规模数据处理：能够处理数百万条评分数据以生成预测。