專案說明

• 專案目標：建立一個電影特徵資料庫，並儲存至向量資料庫 Qdrant 進行相似度排名推薦。
• 網站工具：這是一個使用 PHP、MySQL 以及 Qdrant 的專案。
• 資料集：使用 MovieLens 的 ratings.csv 資料 (User-Item Ratings)。
• 特徵訓練：透過 PySpark-RDD 使用 Alternating Least Square (ALS) 演算法進行電影特徵訓練。
• 相似度計算：Cosine Similarity。

開始之前

1. 下載電影資料：MovieLens Latest Datasets。
2. 建立一個 PHP、MySQL、Qdrant 的環境。
3. 學習使用 Google Colab。

訓練電影資料特徵

1. 在 Google Colab 的環境下使用 data/MovieLens-Spark-ALS.ipynb 進行資料訓練，並放入 Qdrant 資料庫。

網站設定

1. 複製 Config 檔案 app/config/config-example.php 並重新取名為 app/config/config.php。
2. 設定 Config 參數：在新建的 config.php 檔案中設定相關參數。
3. 將網站導向 public 資料夾。

資料庫設定

1. 導入資料集：將電影資料集的 movies.csv 和 links.csv 檔案放到 data 目錄下。
2. 匯入資料：運行 cd data 以及 php import.php 來將資料導入 MySQL 資料庫。

參考資料

1. MovieLens Latest Datasets (Last accessed: 2023/08/12)
2. Qdrant (Last accessed: 2023/08/12)
3. Building a Movie Recommendation Service with Apache Spark & Flask - Part 1 (Last accessed: 2023/08/12)
4. spark-movie-lens (Last accessed: 2023/08/12)
5. Recommendation Engines Using ALS in PySpark (MovieLens Dataset) (Last accessed: 2023/08/12)
6. How does Netflix recommend movies? Matrix Factorization (Last accessed: 2023/08/12)