原力计划

文章目录

• • ** 效果预览 **
  • • 1、根据电影明星推荐
    • 2、根据兴趣标签推荐
    • 3、根据电影名推荐
  • 一、需求背景
  • 二、项目原理及架构
  • • 2.1 实现原理
    • • （1）根据用户的兴趣标签
      • （2）根据关联类似主题的题材
      • （3）根据特定的电影明星
    • 2.2 技术架构
    • 2.3 技术栈
  • 三、项目功能的实现
  • • 3.1 小程序端设计与实现
    • 3.2 数据后端设计与实现
    • 3.3 数据智能获取功能设计与实现
  • 四、推荐阅读

** 效果预览 **

1、根据电影明星推荐

2、根据兴趣标签推荐

3、根据电影名推荐

一、需求背景

在我们日常想看电影的时候，经常会遇到一些问题：
1. 闲来无事想看个电影，打开电影列表，感觉都是看过的，一下子不知道该如何去发现新大陆?
2. 喜欢某个演员，想看与他风格类似的电影，可惜电影网站的影片推荐总是那么不尽人意！
3. 在不同的电影网站，填入自己的感兴趣的标签，结果推荐出来的电影题材并不是自己想要的效果！

既然说起推荐系统，这就刚好踩中了我那研究三年推荐系统的读研苦逼时光了。稍微介绍一下时下主流的推荐系统的架构和算法：

这里的大数据推荐系统体系仅为简单的架构模型，其中涉及到更多的计算任务和调度数据流等细节均已省略 【有兴趣的友友可关注后续栏目更新—带你手把手从零实现推荐系统】

在如此庞大的数据体量和计算引擎的支持下，现如今的推荐系统仍然没有以完美的姿态来解决用户的冷启动问题,所以说时下，推荐系统在学术界的研究已经达到了一种登峰造极的状态，你我都知道可能多引入一些高性能的模型去加强，多跑几轮模型去调参优化，从而实现更美丽的推荐效果！这样我们可能可以得到一篇优秀的论文！但是在工业应用领域，对于推荐算法的优化，新投入的算力跟人工成本，通常并不会由于更准推荐效果从而产生更丰厚的营收，可以说投入跟产出完全不成正比！这对于时下资本退却的互联网来说，这是最要命的！

于是乎，我们可以转换一下思路，有没有什么模型和算法可以实现推荐效果最优化，不惧怕因为用户数据量少而导致的冷启动问题 —— 那么这个时候ChatGPT获取可以申请一战，他有超海量的全人类用户数据、连续产生内容及记忆理解上下文功能！

好那么，基于此，让我们来用ChatGPT做一个电影推荐小程序！ 做一个可以满住你的任意无理要求的电影小程序。

二、项目原理及架构

2.1 实现原理

1. 要利用上ChatGPT的推荐功能，首先构造好目标明确的问题是成功的关键。
2. 在获取到GPT的推荐数据之后，我们需要将推荐结果中的电影内容获取并展示在小程序端，这里我们需要采用Python爬虫对豆瓣电影网进行爬取！

这里我们构造了三类推荐类目： 兴趣标签、电影主题、电影明星

（1）根据用户的兴趣标签

通过用户输入的兴趣标签进行电影的匹配

（2）根据关联类似主题的题材

（3）根据特定的电影明星

2.2 技术架构

2.3 技术栈

三、项目功能的实现

3.1 小程序端设计与实现

首页	标签选择

推荐电影列表页	电影详情页

3.2 数据后端设计与实现

• 注重介绍后端服务接入 ChatGPT API，需要按照以下步骤进行操作：

1. 注册一个账号并登录到OpenAI的官网：https://openai.com/
2. 在Dashboard页面上，创建一个API密钥。在“API Keys”选项卡下，点击“Generate New Key”按钮。将生成的密钥保存好，以备后续使用。
3. 选择所需的API服务，例如“Completion” API，以使用OpenAI的文本生成功能。

使用Python调用ChatGPT API实现代码如下：

• 方法一：使用request库

import requests
import json

# 构建API请求
url = "https://api.openai.com/v1/engines/davinci-codex/completions"
headers = {"Content-Type": "application/json",
           "Authorization": "Bearer YOUR_API_KEY"}
data = {
    "prompt": "Hello, my name is",
    "max_tokens": 5
}

# 发送API请求
response = requests.post(url, headers=headers, data=json.dumps(data))

# 解析API响应
response_data = json.loads(response.text)
generated_text = response_data["choices"][0]["text"]

print(generated_text)

• 方式二：使用openAI库

from flask import Flask, request
import openai

app = Flask(__name__)

openai.api_key = "YOUR_API_KEY_HERE"

@app.route("/")
def home():
    return "Hello, World!"

@app.route("/chat", methods=["POST"])
def chat():
    data = request.json
    response = openai.Completion.create(
        engine="davinci",
        prompt=data["message"],
        max_tokens=60
    )
    return response.choices[0].text

if __name__ == "__main__":
    app.run()

3.3 数据智能获取功能设计与实现

定义一个函数来实现电影信息的爬取，该函数的输入参数为电影名，输出为该电影的名称、导演、主演、类型、上映时间、评分等信息。具体实现步骤如下：

• 构造请求 URL，其中电影名需要进行 URL 编码。

• 发送 HTTP 请求，获取豆瓣电影页面的 HTML 内容。

• 使用 lxml 库解析 HTML 文档，提取电影信息。

import requests
from lxml import etree

def crawl_movie_info(movie_name):
    # 1. 构造请求 URL
    url = f'https://www.douban.com/search?q={movie_name}'

    # 2. 发送 HTTP 请求，获取 HTML 内容
    response = requests.get(url)
    html = response.content.decode()

    # 3. 解析 HTML 文档，提取电影信息
    tree = etree.HTML(html)

    # 获取搜索结果列表中的第一个电影条目
    movie_link = tree.xpath('//div[@class="result"]/div[@class="content"]/h3/a/@href')[0]
    response = requests.get(movie_link)
    html = response.content.decode()

    # 解析电影页面 HTML 文档，提取电影信息
    tree = etree.HTML(html)

    # 电影名称
    movie_title = tree.xpath('//span[@property="v:itemreviewed"]/text()')[0]

    # 导演
    directors = tree.xpath('//a[@rel="v:directedBy"]/text()')
    director = ' / '.join(directors)

    # 主演
    actors = tree.xpath('//span[@class="actor"]/span[@class="attrs"]/a/text()')
    actor = ' / '.join(actors)

    # 类型
    genres = tree.xpath('//span[@property="v:genre"]/text()')
    genre = ' / '.join(genres)

    # 上映日期
    release_date = tree.xpath('//span[@property="v:initialReleaseDate"]/text()')[0]

    # 评分
    rating = tree.xpath('//strong[@class="ll rating_num"]/text()')[0]

    # 返回电影信息
    return {
        '电影名称': movie_title,
        '导演': director,
        '主演': actor,
        '类型': genre,
        '上映时间': release_date,
        '评分': rating,
    }

• 我们可以通过调用该函数，传入电影名参数来获取电影信息。例如：

Copy code
movie_name = '大赢家'
movie_info = crawl_movie_info(movie_name)
print(movie_info)

• 输出结果如下：

{'电影名称': '大赢家', '导演': '李伟 / 黄伟明', '主演': '赵本山 / 贾玲 / 小沈阳 / 张子枫 / 李春

四、推荐阅读

🥇入门和进阶小程序开发，不可错误的精彩内容🥇 ：

• 《小程序开发必备功能的吐血整理【个人中心界面样式大全】》

• 《微信小程序 | 借ChatGPT之手重构社交聊天小程序》

• 《微信小程序 | 人脸识别的最终解决方案》

• 《微信小程序 ｜基于百度AI从零实现人脸识别小程序》

• 《吐血整理的几十款小程序登陆界面【附完整代码】》