This project is designed to recommend books based on movies that a user enjoys. It utilizes a dataset of approximately 14,000 movies and 2,000 books. The system uses collaborative filtering, content-based filtering, and hybrid models to provide personalized book recommendations.
이 프로젝트는 사용자가 좋아하는 영화를 바탕으로 도서를 추천하는 시스템입니다. 약 14,000개의 영화 데이터와 2,000권의 도서 데이터를 기반으로 협업 필터링, 콘텐츠 기반 필터링, 그리고 하이브리드 모델을 사용하여 개인화된 도서 추천을 제공합니다.
- 비타민 13기 : 서영우, 이형석, 한재선
- 비타민 14기 : 박예슬, 이채연
- 2024.07.13 ~ 2024.08.30
- Book rating data | 도서 평점 데이터 : Aladin
- Book data | 도서 데이터 : 도서관 정보나루 API
- Movie data | 영화 데이터 : Naver
- Movie Data Analysis | 영화 데이터 분석: Extract key information and features from movie data.
- Book Recommendation System | 도서 추천 시스템: Recommend books based on the similarity between movies and books.
- Model Performance Evaluation | 모델 성능 평가: Evaluate the performance of various recommendation models.
data/: Movie and book data files. | 영화 및 도서 데이터 파일.models/: Recommendation model scripts. | 추천 모델 관련 코드.notebooks/: Data analysis and model training Jupyter notebooks. | 데이터 분석 및 모델 학습 Jupyter 노트북.scripts/: Data preprocessing and utility scripts. | 데이터 전처리 및 유틸리티 스크립트.static/: Static files such as images. | 정적 파일 (이미지 등).tests/: Test scripts. | 테스트 코드.docs/: Documentation files. | 문서화 파일들.
Follow these steps to run the project locally. | 프로젝트를 로컬에서 실행하기 위해 아래 단계를 따라 주세요.
-
Clone the repository | 저장소 클론:
git clone https://github.com/maeseok/Movie-based-Book-Recommendation-System cd Movie-based-Book-Recommendation-System -
Install required packages | 필수 패키지 설치:
pip install -r requirements.txt
- Explore data analysis methods in the
Embedding_Visualization_etc.ipynb.ipynbnotebook. |Embedding_Visualization_etc.ipynb.ipynb노트북에서 데이터 분석 방법을 확인할 수 있습니다. - Follow the model training and validation process in the
tests.ipynbnotebook. |tests.ipynb노트북에서 모델 학습 및 검증 과정을 따라갈 수 있습니다.
This project is licensed under the MIT License. See the LICENSE file for more details. | 이 프로젝트는 MIT 라이선스 하에 배포됩니다. 자세한 내용은 LICENSE 파일을 참고하세요.