Python+ChatGPT实现电影小程序项目(附源码)

ChatGPT是什么？

ChatGPT是 “美国AI梦工厂”OpenAI 开发的人工智能聊天机器人，让撰写邮件、论文、脚本，制定商业提案，创作诗歌、故事，甚至敲代码、检查程序错误都变得易如反掌。很多网友都感叹“只有你想不到，没有它做不到“。

OpenAI 可以说是顶尖科学家、大资本家、顶级创业导师的一次强强联手倾力打造的经典案例。这家公司成立的起因是受到了一位图灵奖得主、加拿大蒙特里尔大学教授阿本N9在人工智能、神经网络和深度学习领域有了重大的学术突破而引发的，他可以算得上是计算机深度学习领域的教父级别的人物。

2015年由特斯拉、SpaceX CEO、尼鲁马斯克联合创始人、演出投资人皮印度科技巨头以及亚马逊网络共同捐赠十亿美金，用于解决科研上的资金难题，让科学家们更专注于自己的研究。也就是说，这家公司成立的初衷，它并不是为了商业化变现，而是共享人工智能的研究成果。

直到2016年Sam Altman的加入，他可是硅谷创业教父YC公司创始人亲自任命的CEO。可以说Sam Altman是带着创业和孵化了众多互联网独角兽公司的经验加入的，经过了四年的产品打磨，从此open AI走上了商业化的道路。

2019年，微软科斯拉风险投资机构又为open AI注入了10亿美金的投资，为自己在人工智能领域做好了布局，这也就是大家为什么能看到微软的产品开始全面和China GDP融合的原因了。创业的尽头是投资，open AI并没有停止在人工智能领域的研发和投资，拿着20亿美金的累计融资金额，前后开发了四个具备重大突破的产品，而Chatgpt只是其中一个。

Chatgpt的崛起，就像一把火点燃了近年来一直雷声大雨点小的人工智能赛道，它的商业模式呢？也是史无前例的，创造性的将人工智能这样曲高赫寡的专供技术实现了平民化，并迅速跑出了成功。

ChatGPT对我们的启发

ChatGPT已经不仅仅只是个聊天机器人，它还会写小说，写代码，甚至啊，未来成百上千个行业啊都要被他颠覆，许多工作岗位也会被取代。更糟糕的是，这个时间可能只需要十年，现在的拆的ChatGPT还只是初级形态，就已经让很多职场打工人开始焦虑了。去年下半年，绘图行业的打工人啊就基本陷入了绝望，之前他们为小说绘制插图，一张图呢能卖到120块，而现在用AI绘图软件，一张图只要不到一块钱，要知道，AI一天能生成上万张图片，还可以不吃不喝连续的工作24小时，不仅工作效率高啊，价格呢还只有人工的1%。

不仅如此，就在它爆火的这两个月里啊，整个教育系统都被颠覆了，摸出门道的学生呢，开始使用拆ChatGPT生成论文，居然得到了A+的分数，老师们被吓得不轻，因为加拿大作家呢，直接发出了警告，大学论文已死，现在耶鲁、哈佛等6000多名老师已经联合打响了AI反击战。更好笑的是啊，开始发出ChatGPT的程序员居然连自己也没放过。

ChatGPT已经通过了谷歌L3工程师岗位的面试，年薪只要120万，普通谷歌码农的性价比一下就没了，这简直就是在砸自己的犯法，而且他的学习速度实在是太快了，21年的它的参数，还只有十五亿，22年就飙升到了1750亿，参数越大，AI的知识就越渊博，ChatGPT现在比历史上所有的AI加起来还要聪明，如果继续这样下去，很多工种的需求啊都会极大的降低，那普通人的出路又在哪里呢？对此你怎么看？

一、需求背景

在我们日常想看电影的时候，经常会遇到一些问题：

1. 闲来无事想看个电影，打开电影列表，感觉都是看过的，一下子不知道该如何去发现新大陆?

2. 喜欢某个演员，想看与他风格类似的电影，可惜电影网站的影片推荐总是那么不尽人意！

3. 在不同的电影网站，填入自己的感兴趣的标签，结果推荐出来的电影题材并不是自己想要的效果！

既然说起推荐系统，这就刚好踩中了我那研究三年推荐系统的读研苦逼时光了。稍微介绍一下时下主流的推荐系统的架构和算法：

这里的大数据推荐系统体系仅为简单的架构模型，其中涉及到更多的计算任务和调度数据流等细节均已省略 。

在如此庞大的数据体量和计算引擎的支持下，现如今的推荐系统仍然没有以完美的姿态来解决用户的冷启动问题,所以说时下，推荐系统在学术界的研究已经达到了一种登峰造极的状态，你我都知道可能多引入一些高性能的模型去加强，多跑几轮模型去调参优化，从而实现更美丽的推荐效果！这样我们可能可以得到一篇优秀的论文！但是在工业应用领域，对于推荐算法的优化，新投入的算力跟人工成本，通常并不会由于更准推荐效果从而产生更丰厚的营收，可以说投入跟产出完全不成正比！这对于时下资本退却的互联网来说，这是最要命的！

于是乎，我们可以转换一下思路，有没有什么模型和算法可以实现推荐效果最优化，不惧怕因为用户数据量少而导致的冷启动问题 ------ 那么这个时候ChatGPT获取可以申请一战，他有超海量的全人类用户数据、连续产生内容及记忆理解上下文功能！

好那么，基于此，让我们来用ChatGPT做一个电影推荐小程序！做一个可以满住你的任意无理要求的电影小程序。

二、项目原理及架构 2.1 实现原理

1. 要利用上 ChatGPT的推荐功能，首先构造好目标明确的问题是成功的关键。

2. 在获取到GPT的推荐数据之后，我们需要将推荐结果中的电影内容获取并展示在小程序端，这里我们需要采用 Python爬虫对豆瓣电影网进行爬取！**

这里我们构造了三类推荐类目：兴趣标签、电影主题、电影明星

（1）根据用户的兴趣标签

通过用户输入的兴趣标签进行电影的匹配

注重介绍后端服务接入 ChatGPT API，需要按照以下步骤进行操作：

注册一个账号并登录到OpenAI的官网：https://openai.com/

在Dashboard页面上，创建一个API密钥。在“API Keys”选项卡下，点击“Generate New Key”按钮。将生成的密钥保存好，以备后续使用。

选择所需的API服务，例如“Completion” API，以使用OpenAI的文本生成功能。

使用Python调用ChatGPT API实现代码如下：

• 方法一：使用request库

• 方式二：使用 openAI库

定义一个函数来实现电影信息的爬取，该函数的输入参数为电影名，输出为该电影的名称、导演、主演、类型、上映时间、评分等信息。具体实现步骤如下：

构造请求 URL，其中电影名需要进行 URL 编码。

发送 HTTP 请求，获取豆瓣电影页面的 HTML 内容。

使用 lxml 库解析 HTML 文档，提取电影信息。

我们可以通过调用该函数，传入电影名参数来获取电影信息。例如：

• 输出结果如下：

原文地址 https://blog.csdn.net/weixin_37797592/article/details/129849191