?我們每天都在接觸推薦系統(tǒng)，短視頻、電商、外賣、演出、廣告……

今天，我們將演示 Jina AI 社區(qū)用戶 Achintya 的項目，他用 Jina 搭建了一個電影推薦系統(tǒng)。

電影推薦系統(tǒng)原理概覽

在這個 Demo 中，作者將電影推薦轉換成了文本搜索問題。

系統(tǒng)將用戶輸入作為文本 query，并在數據庫中搜索與查找類似電影。

注：開始前需要向模型提供電影的名稱、描述和類型等字段。

技術棧：Jina，Rest API，Dart

數據庫：IMDB 電影數據集

具體過程如下：

1、從 Kaggle 下載 IMDB 電影數據集：https://www.kaggle.com/datasets/harshitshankhdhar/imdb-dataset-of-top-1000-movies-and-tv-shows

2、將數據添加至 DocumentArray 中，以便進一步預處理和索引。

3、將 DocumentArray 發(fā)送至 Flow，用 Jina Hub 上的 Executor 對數據進行索引。

4、搜索 Flow 將對輸入查詢進行編碼，并在索引數據中搜索最匹配的選項。

5、找到最佳匹配后，發(fā)送 Rest API 作為輸出數據（該 API 適用于各種前端框架）。

代碼演示：3 個關鍵步驟打造電影推薦系統(tǒng)

本 Demo 的核心步驟包括：構建 Flow、索引以及和搜索功能。

1、創(chuàng)建 Flow

這里會用到兩個 Executor： SimpleIndexer 及 TransformerTorchEncoder

2、創(chuàng)建 Index 函數

Index 函數獲取文本格式的圖像數據集，并將其轉換為 Jina 原生的 DocumentArray，發(fā)送至 Flow 進行索引和搜索。

3、創(chuàng)建搜索函數

搜索函數接收文本輸入，并發(fā)出 HTTP post 請求，從 Jina 后端獲取類似的電影片名。

以上就是用 Jina 創(chuàng)建電影推薦系統(tǒng)的全部過程，完整代碼請訪問 GitHub Repo：

https://github.com/achintya-7/Movie_Recommender_Flutter

關于作者 Achintya：

Jina AI 社區(qū)成員，計算機科學專業(yè)大二學生，專注于機器學習及應用開發(fā)。

本文涉及的學習資料：

Learning Bootcamp：https://learn.jina.ai/

DocArray 文檔：https://docarray.jina.ai/

Jina 文檔：https://docs.jina.ai/

加入 Jina 社區(qū)：https://slack.jina.ai/

閱讀原 blog：https://medium.com/jina-ai/movie-recommender-powered-by-jina-ai-933ebe118c30