sdl60660/letterboxd_recommendations

解決的問題

本專案提供一個基於使用者 Letterboxd 個人檔案的電影推薦系統。透過分析使用者既有的評分紀錄，自動預測其可能喜愛的其他電影，從而無需手動搜尋。

工作原理

系統從公開的 Letterboxd 個人檔案中抓取星級評分，並轉換為數值（1-10）。隨後，使用基於奇異值分解（SVD）的協同過濾模型，該模型在其他使用者的大量評分資料上進行訓練。模型會預測使用者未觀看過的電影的評分，並返回評分最高的預測結果。整個系統完全基於評分模式，不使用電影元資料（如類型、演員等）。

適用對象

使用 Letterboxd 並希望基於評分歷史獲得個人化推薦的電影愛好者。

主要亮點

• 協同過濾：使用 SVD 找出使用者與電影之間的相似性。
• 全棧實作：包含 React 前端、FastAPI 後端和 MongoDB 資料儲存。
• 全週期資料管道：包含自訂爬蟲用於抓取 Letterboxd 資料，以及使用 Redis 進行任務佇列管理。
• 大規模資料處理：能夠處理數百萬筆評分資料以生成預測。