AwAkAXxX/hybrid-movie-recommender-catboost

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

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)

1. Buat akun di huggingface.co (gratis, tanpa kartu kredit)

2. Klik New Space → pilih SDK Streamlit → beri nama Space

3. 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:

   git clone https://huggingface.co/spaces/<username>/<nama-space>
   cd <nama-space>
   cp app.py requirements.txt README.md .
   mkdir models && cp /path/ke/model/*.pkl /path/ke/model/*.cbm models/
   git add . && git commit -m "Deploy model hybrid" && git push
   

4. Tunggu ~2–5 menit sampai status berubah jadi Running

5. 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.