这是一个基于 RAG（Retrieval-Augmented Generation）技术的电影推荐与问答系统。用户可以通过自然语言查询电影信息、获取推荐或解答相关问题。系统结合了 FastAPI 后端、Streamlit 前端、LangChain 和 OpenAI 的 GPT 模型，实现了高效的自然语言处理和电影推荐功能。
-
电影信息查询：
- 支持通过自然语言查询电影信息，例如：
- “《盗梦空间》的导演是谁？”
- “《泰坦尼克号》的上映时间是什么时候？”
- 支持通过自然语言查询电影信息，例如：
-
电影推荐：
- 根据用户输入的关键词或电影特征，推荐相关电影，例如：
- “推荐几部类似《星际穿越》的电影。”
- “有哪些高分科幻电影？”
- 根据用户输入的关键词或电影特征，推荐相关电影，例如：
-
电影问答：
- 回答与电影相关的具体问题，例如：
- “《阿甘正传》获得了哪些奖项？”
- “《肖申克的救赎》的评分是多少？”
- 回答与电影相关的具体问题，例如：
- 框架：FastAPI
- 语言模型：OpenAI GPT
- 向量存储：FAISS
- 文本嵌入：OpenAI Embeddings
- 数据处理：Pandas
- 数据库：SQLite
- 框架：Streamlit
- UI 组件：Streamlit 原生组件
- RAG 系统：LangChain
- 环境管理：Python +
dotenv - 容器化：Docker
movie-recommendation-system/
│
├── backend/
│ ├── main.py # FastAPI 后端服务
│ ├── database.py # 数据库操作
│ ├── embeddings.py # 文本嵌入与向量存储
│ ├── rag.py # RAG 系统实现
│ └── requirements.txt # 后端依赖
│
├── frontend/
│ ├── app.py # Streamlit 前端界面
│ └── requirements.txt # 前端依赖
│
├── data/
│ └── movies.csv # 电影数据文件
│
├── .env # 环境变量文件（存储 OpenAI API 密钥等）
├── Dockerfile # Docker 容器化配置
└── README.md # 项目说明文档
git clone https://github.com/liqiu6789/MovieMate.git
cd MovieMate在项目根目录下创建 .env 文件，并添加 deepseek API 密钥：
DEEPSEEK_API_KEY=your_deepseek_api_key后端依赖
cd backend
pip install -r requirements.txt前端依赖
cd ../frontend
pip install -r requirements.txt将电影数据文件（如 movies.csv）放置在 data/ 目录下。
cd ../backend
uvicorn main:app --reload- 后端服务默认运行在 http://localhost:8000。
- 访问 http://localhost:8000/docs 查看 API 文档。
cd ../frontend
streamlit run app.py- 前端界面默认运行在 http://localhost:8501。
- 在界面中输入问题，系统会返回电影信息或推荐列表。
docker build -t movie-recommendation-system .docker run -d -p 8000:8000 movie-recommendation-system-
URL: /query
-
Method: POST
-
Request Body:
{
"query": "推荐几部类似《星际穿越》的电影。"
}
Response:
{
"response": "以下是推荐的电影：1. 《盗梦空间》 2. 《火星救援》 3. 《地心引力》"
}-
“《盗梦空间》的导演是谁？”
-
“《泰坦尼克号》的上映时间是什么时候？”
-
“推荐几部类似《星际穿越》的电影。”
-
“有哪些高分科幻电影？”
-
“《阿甘正传》获得了哪些奖项？”
-
“《肖申克的救赎》的评分是多少？”
-
邮箱: liqiu6789@qq.com
-
GitHub: liqiu123456123