Proyecto Sistema de Recomendación

Descripción

• Este proyecto consiste en un sistema de recomendación de ítems basado en filtrado colaborativo ítem-ítem utilizando la similitud del coseno. El sistema permite realizar recomendaciones de ítems similares a un ítem específico, a partir de una base de datos de similitud precalculada.
• Utiliza FastAPI para crear una API web que permite obtener recomendaciones mediante solicitudes HTTP. Los datos de similitud entre los ítems se almacenan en un archivo .pkl generado previamente. La API recibe el ID de un ítem y devuelve una lista de los n ítems más similares, ordenados por su similitud.

Estructura del Proyecto

Este proyecto contiene los siguientes archivos:

recomendador_api.py: Es el archivo principal de la API, que define la configuración de FastAPI, la carga de datos y el endpoint de recomendación.

matriz_recomendaciones.pkl: Archivo de datos en formato pickle que contiene la matriz de similitud entre los ítems.

requirements.txt: Lista de todas las dependencias del proyecto, necesarias para que funcione correctamente.

recomendador.html: Página web para interactuar con el sistema de recomendación.

recomendador.css: Archivo de estilos para la interfaz web.

recomendador.js: Código JavaScript para manejar las interacciones del usuario y las solicitudes a la API.

Requisitos

• Python 3.x

Librerías:

• pandas
• fastapi
• uvicorn
• scikit-learn
• numpy

Más información sobre las versiones y librerías en el archivo requirements.txt.

Uso

1. Clona el repositorio:

     git clone https://github.com/mariana-ruge/Recomendador-Libros.git
   

   Una vez clonado verifica que esten todos los archivos descritos en la estructura del proyecto se hayan generado.

2. Entra en el directorio del proyecto:

    cd Recomendador-Libros
   

3. Crea y activa un entorno virtual (opcional pero recomendado):

Para crearlo

	    python -m venv venv

Para activarlo

	source venv/bin/activate  # En Linux/macOS
	venv\Scripts\activate     # En Windows

Instala las dependencias necesarias:

	pip install -r requirements.txt

Asegúrate de tener el archivo matriz_recomendaciones.pkl en el directorio correcto.

4. Para ejecutar la API, usa el siguiente comando en la terminal:

    uvicorn recomendador_api:app --reload
   

• Esto iniciará un servidor local de desarrollo en http://127.0.0.1:8000.

• Puedes acceder a la documentación interactiva de la API en http://127.0.0.1:8000/docs.

• Para realizar una recomendación, realiza una solicitud GET al endpoint

    /recomendaciones/{item_id},
  

  donde {item_id} es el ID del ítem para el cual deseas obtener recomendaciones. También puedes especificar el número de recomendaciones mediante el parámetro n (valor por defecto es 5).

  Ejemplo de solicitud:

    	 http://127.0.0.1:8000/recomendaciones/123?n=10
  

  Esto devolverá las 10 recomendaciones más similares al ítem con ID 123.

Cómo Aportar al Proyecto

1. Haz un fork del repositorio.
2. Crea una nueva rama para tu funcionalidad o corrección: git checkout -b nombre-de-tu-rama
3. Realiza tus cambios y haz commit: git add . git commit -m "Descripción de los cambios"
4. Empuja los cambios a tu fork: git push origin nombre-de-tu-rama