基于附加信息cast和genres的相似电影查询
1 引言
上一篇文章的试验结果指出如果查询语句的关键词太少，得出的相似结果可能出现误差。也就是说，数据集中应该包含更多的信息。两个句子词汇相同得越多，句子之间的相似度越大。本文建立在上篇文章的基础之上，对每部电影增加了电影中演员的名字。尽管我们有本地数据库，不过这个试验仍然使用了IMDB在线数据库。
2 cast试验
对每部电影增加该电影中演员的名字，这个功能是通过the_movie.get('cast')这个函数实现的。首先对第一种查询方法增加cast, 试验代码如下：
接着对第二种查询方法增加cast, 试验代码如下：
再下来进行相似判断
3 cast结果输出
运行上述代码，得出的结果如下：
与上篇文章的结果比较一下，可以看出，本文得出的结果更加合理。
4 genres试验及结果
如果把cast替换为genres，不改变代码的其它部分，那么得出的结果如下：
这个结果与cast的试验结果相比较，直观上感觉更加合理一些，"London has Fallen" "Olympus has Fallen" 和“Angel has Fallen"排在了前三位。这是因为使用了genres，词汇的重复率更高一些的缘故。
5 下一步试验设想
除了上面的试验之外，还可以增加directors, keywords等，但最想增加的是一部电影的synopsis, 也就是我们论文中常说的abstract。初步的设想是首先对synopsis作摘要处理，或者从synopsis中提取关键词，这样使得文本长度短一些，然后再此基础上进行相似查询。理论上来说不是很困难，但实际编写代码时可能遇到各种各样的困难。最后测试一下"London has Fallen"的keywords, 为下一步工作作准备。
['terrorist', 'patriotism', 'female-agent', 'american-in-the-uk', 'good-versus-evil', 'british-actor-playing-american-character', 'british-politician', 'president', 'funeral', 'vice-president', 'f-18-hornet', 'u.s.-secret-service', 'political-thriller', 'hacker', 'helicopter-crash', 'one-man-army', 'surveillance', '*******-bomber', 'knife-fight', 'threatened-with-a-knife']
测试结果显示可以使用keywords功能。
6. 结束语
本文通过增加cast和genres方法来强化相似查询，得出的结果更精确。使用genres得出的结果比使用cast得出的结果更好一些。
本文相似的文档：
