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” />#mermaid-svg-wEawQ02xlPiuaC8g {font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-wEawQ02xlPiuaC8g .error-icon{fill:#552222;}#mermaid-svg-wEawQ02xlPiuaC8g .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-wEawQ02xlPiuaC8g .edge-thickness-normal{stroke-width:2px;}#mermaid-svg-wEawQ02xlPiuaC8g .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-wEawQ02xlPiuaC8g .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-wEawQ02xlPiuaC8g .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-wEawQ02xlPiuaC8g .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-wEawQ02xlPiuaC8g .marker{fill:#333333;stroke:#333333;}#mermaid-svg-wEawQ02xlPiuaC8g .marker.cross{stroke:#333333;}#mermaid-svg-wEawQ02xlPiuaC8g svg{font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-wEawQ02xlPiuaC8g .label{font-family:”trebuchet ms”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-wEawQ02xlPiuaC8g .cluster-label text{fill:#333;}#mermaid-svg-wEawQ02xlPiuaC8g .cluster-label span{color:#333;}#mermaid-svg-wEawQ02xlPiuaC8g .label text,#mermaid-svg-wEawQ02xlPiuaC8g span{fill:#333;color:#333;}#mermaid-svg-wEawQ02xlPiuaC8g .node rect,#mermaid-svg-wEawQ02xlPiuaC8g .node circle,#mermaid-svg-wEawQ02xlPiuaC8g .node ellipse,#mermaid-svg-wEawQ02xlPiuaC8g .node polygon,#mermaid-svg-wEawQ02xlPiuaC8g .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-wEawQ02xlPiuaC8g .node .label{text-align:center;}#mermaid-svg-wEawQ02xlPiuaC8g .node.clickable{cursor:pointer;}#mermaid-svg-wEawQ02xlPiuaC8g .arrowheadPath{fill:#333333;}#mermaid-svg-wEawQ02xlPiuaC8g .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-wEawQ02xlPiuaC8g .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-wEawQ02xlPiuaC8g .edgeLabel{background-color:#e8e8e8;text-align:center;}#mermaid-svg-wEawQ02xlPiuaC8g .edgeLabel rect{opacity:0.5;background-color:#e8e8e8;fill:#e8e8e8;}#mermaid-svg-wEawQ02xlPiuaC8g .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-wEawQ02xlPiuaC8g .cluster text{fill:#333;}#mermaid-svg-wEawQ02xlPiuaC8g .cluster span{color:#333;}#mermaid-svg-wEawQ02xlPiuaC8g div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:”trebuchet ms”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-wEawQ02xlPiuaC8g :root{–mermaid-font-family:”trebuchet ms”,verdana,arial,sans-serif;} 主流推荐算法 基于用户的推荐算法 原理:将用户画像近似的用户进行相互推荐关联 基于项目的推荐算法 原理:将物品特征类似的项目进行相互推荐关联 协同过滤推荐算法 原理:通过协同过滤算法进行相互推荐关联

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

模块语言及框架涉及的技术要点
小程序前端基于VUE 2.0语法+Uni-app跨平台开发框架Http接口通信、Flex布局方式、uView样式库的使用、JSON数据解析、定时器的使用
小程序接口服务端Python + Flask WEB框架rest接口的开发、 ChatGPT API接口的数据对接
小程序数据爬虫服务端Python + Request 库Xpath路径元素解析、Http请求爬虫

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 requestsimport 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, requestimport openaiapp = 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.jsonresponse = openai.Completion.create(engine="davinci",prompt=data["message"],max_tokens=60)return response.choices[0].textif __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 requestsfrom lxml import etreedef crawl_movie_info(movie_name):# 1. 构造请求 URLurl = f'https://www.douban.com/search" />{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 codemovie_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】》