You can deploy this model and start earning money today!

AwAkAXxX/
hybrid-movie-recommender-catboost

Name: hybrid-movie-recommender-catboost
Availability: InStock

Views

No views yet

Demo Sistem Rekomendasi Film Hybrid

Demo inferensi dari skripsi "Implementasi Hybrid Filtering dan CatBoost Reranker dalam Sistem Rekomendasi Film" (Rizky Febrian Hidayat — 51422471, Universitas Gunadarma).

Menggabungkan:

Content-Based Filtering (TF-IDF + cosine similarity)
Collaborative Filtering — Bayesian Personalized Ranking (BPR)
Meta-learner — CatBoostRanker dengan fungsi kerugian YetiRank

pada dataset MovieLens 20M.

Ini demo inferensi untuk keperluan akademik, bukan layanan produksi. Lihat Bab 3 skripsi (subbab Deployment) untuk cakupan penelitian.

Cara menjalankan lokal

bash

pip install -r requirements.txt
streamlit run app.py

Buka http://localhost:8501 di browser.

Berkas model yang dibutuhkan (folder `models/`)

Aplikasi ini tidak menyertakan model terlatih — kamu perlu menghasilkannya sendiri dengan menjalankan notebook penelitian secara berurutan, lalu menyalin 5 berkas berikut ke folder models/:

Berkas	Dihasilkan oleh
`preprocess_cache.pkl`	`02_preprocessing_movielens20m.ipynb`
`cbf_cache.pkl`	`03_cbf_movielens20m.ipynb`
`bpr_cache.pkl`	`04_bpr_movielens20m.ipynb`
`yetirank_model.cbm`	`05_hybrid_yetirank_movielens20m.ipynb`
`yetirank_cache.pkl`	`05_hybrid_yetirank_movielens20m.ipynb`

Struktur folder yang benar:

deploy_app/
├── app.py
├── requirements.txt
├── README.md
└── models/
    ├── preprocess_cache.pkl
    ├── cbf_cache.pkl
    ├── bpr_cache.pkl
    ├── yetirank_model.cbm
    └── yetirank_cache.pkl

Kalau notebook-mu menyimpan cache di folder models/ yang berbeda (misalnya di root proyek notebook), cukup salin (copy, bukan pindah) kelima berkas itu ke deploy_app/models/.

Deploy ke HuggingFace Spaces (gratis)

Buat akun di huggingface.co (gratis, tanpa kartu kredit)
Klik New Space → pilih SDK Streamlit → beri nama Space
Di halaman Space, klik tab Files → Add file → upload:
- app.py
- requirements.txt
- README.md
- folder models/ beserta isinya (5 berkas)
Catatan: yetirank_model.cbm dan bpr_cache.pkl bisa berukuran puluhan MB. Kalau upload lewat web gagal karena ukuran, gunakan Git:

bash
1git clone https://huggingface.co/spaces/<username>/<nama-space> 2cd <nama-space> 3cp app.py requirements.txt README.md . 4mkdir models && cp /path/ke/model/*.pkl /path/ke/model/*.cbm models/ 5git add . && git commit -m "Deploy model hybrid" && git push
Tunggu ~2–5 menit sampai status berubah jadi Running
Dapat link publik: https://huggingface.co/spaces/<username>/<nama-space>

Catatan teknis

Seluruh logika skor (get_bpr_scores_batch, get_cbf_scores_batch, recommend_top_n) di app.py disalin persis dari fungsi score_unseen_catalog() pada notebook 05_hybrid_yetirank_movielens20m.ipynb, untuk menjamin hasil demo konsisten dengan metodologi yang dilaporkan di Bab 3 dan hasil evaluasi di Bab 4 skripsi.

AwAkAXxX/hybrid-movie-recommender-catboost