Anime Recommendation System

Anime Recommendation System

根据你的口味或你喜欢的一部作品推荐动漫，混合协同过滤、基于内容和基于热度三种方法。这是一个 Streamlit 应用，适合动漫迷，也适合研究推荐系统的人。

由 krishnaveni76 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这是一个动漫推荐系统，混合了三种做法。一种从其他人的评分中学习，一种按作品的特征来匹配，一种按热度给作品排名。它使用 AnimeList 2023 数据集，为了节省算力和存储，只保留平均评分高于 6.0 的作品。它是托管在 Hugging Face 上的 Streamlit 应用，所以你在浏览器里就能试用，不用安装任何东西。

适合谁：想要推荐的动漫迷，以及想看一个包含数据摄取、模型和网页前端的完整推荐系统的学生或开发者，都适合用它。

Industry | Who uses it | How they use it | Example
娱乐 | 动漫迷 | 找到与自己喜欢的作品相似的作品 | 请它推荐类似某部喜爱作品的番剧
机器学习 | 学生 | 在一个项目里研究三种推荐方法 | 阅读 SVD 和 KNN 模型是怎么设置的
软件 | 开发者 | 看一个从数据摄取到应用的 Docker 化流水线 | 阅读 run_pipeline.py 和 Dockerfile
媒体 | 内容策展人 | 浏览按各种热度指标排名的列表 | 打开收藏最多的列表

想要动漫以外的推荐的人可以跳过。

用在哪里：它可以在这些地方运行。

• 网页浏览器，打开 Hugging Face 上的 Space 页面
• Windows，需要 Python
• macOS，需要 Python
• Linux，需要 Python
• Docker，因为仓库里带有 Dockerfile

Use case | Who | What they get back
找相似的动漫 | 动漫迷 | 与你喜欢的作品相近的作品
获得个性化建议 | 动漫迷 | 口味相近的人评分较高的作品
按热度浏览 | 任何人 | 按最热门或评分最高等排好的列表

如何设置：在线使用这个 Space 只需要浏览器。在你自己的电脑上运行一份副本，需要下面这些。

• Python 和 pip
• huggingface_hub 包，它提供 hf 命令
• 足够的磁盘空间，仓库里有 39 个文件

1. 安装 huggingface_hub 包。
2. 把这个 Space 的文件下载到本地文件夹。
3. 进入这个文件夹。
4. 安装这个 Space 使用的 Streamlit 版本，再安装 requirements.txt 里的包。
5. 用 Streamlit 启动应用。

pip install -U huggingface_hub
hf download krishnaveni76/Anime-Recommendation-System --repo-type space --local-dir Anime-Recommendation-System
cd Anime-Recommendation-System
pip install streamlit==1.41.1
pip install -r requirements.txt
streamlit run app.py

如何使用：打开 Space 页面，或者在你的电脑上运行应用，再打开 Streamlit 显示的页面。然后选一种推荐方式或一个热度列表。下表列出了这个项目描述的各种方法。

streamlit run app.py

Tool | What it does
SVD | 分解用户与作品的评分矩阵，给出个性化推荐
Item-KNN | 找出用户评分上和你给出的作品相似的作品
User-KNN | 推荐口味和你相近的用户喜欢的作品
基于内容的模型 | 按类型等特征来匹配作品
Most Popular | 按热度得分给作品排名
Top Ranked | 按官方排名给作品排名
Overall Top Rated | 按用户平均评分给作品排序
Most Favorited | 列出被粉丝收藏次数最多的作品
Highest Member Count | 列出观众群最大的作品
Popular Among Members | 列出成员多、评分又高的作品
Highest Average Rating | 在处理缺失值之后，按平均评分列出作品

示例：你给应用一部你喜欢的动漫，请它推荐类似的作品。它会返回评分相近的观众也喜欢的番剧，或者类型相近的番剧。

新手与专家：推荐系统会根据别人喜欢什么，或一部作品本身像什么，来猜你会喜欢什么。第一件可以试的小事，是在线打开这个 Space 里的某个热度列表。

协同过滤用的是评分，这个项目提供 SVD，以及基于作品和基于用户的最近邻方法。基于内容的过滤用的是提取出来的特征，比如类型。流水线从 Hugging Face 数据集加载数据，对其做转换，训练选定的模型，并把它存成一个产物。应用从 Hub 获取数据和训练好的模型。

从 Hugging Face 数据集加载数据
清洗数据并提取特征
训练并保存一个推荐模型
Streamlit 应用提供推荐

注意事项：平均评分为 6.0 或更低的作品不在数据里。

• License: apache-2
• Cost to run: 未提及
• Data it reaches: 应用从 Hugging Face Hub 获取的数据集和训练好的模型
• Hardware: 这个 Space 设为在 Hugging Face 的 cpu-basic 上运行，你自己的电脑需要什么，来源没有说明

Hugging Face 上的数据（2026年11月13日）

• 点赞：9
• 构建方式：streamlit
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/krishnaveni76/Anime-Recommendation-System
• 文件：https://huggingface.co/spaces/krishnaveni76/Anime-Recommendation-System/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。