Unity Easy Movie Texture Video Texture v3.72 资源包,
2023-04-12 14:47:08 101.51MB unity3d VideoTexture
1
20组电影质感LUTs视频调色预设 Movie Color Presets,多软件支持使用。 支持的Win和Mac系统的软件: Photoshop After Effects Premiere Pro Lightroom Classic Final Cut Pro X Avid Media Composer DaVinci Resolve Edius Sony Vegas
2023-01-04 13:28:16 22.09MB LUTs 电影滤镜 视频调色 预设
1
基于NodeJs + MongoDB + jQuery + Bootstrap建造的豆瓣电影网站 一,简介 本项目是基于Nodejs的练习手项目,期间参考了慕课网(代码结构及路由全都重新改造),在老师所讲的基础上增加了很多的功能和完善,项目基于Express 4.15版本,,代码采用Es6编写,代码已加注释,提高了阅读性和维护性,有助于参考: 1,项目前端建设: 使用jQuery和Bootsrap完成网站前端JS脚本和样式处理; 前一级的数据请求交互通过Ajax完成; 约会了Moment.js格式化前端页面显示时间; 2,项目筹备建设: 使用NodeJs的express框架完成电影网站布局的构
2023-01-02 12:46:50 5.99MB movie mongodb moment nodejs-express
1
数据集官网:https://ai.stanford.edu/~amaas/data/sentiment/ 数据集的训练集和测试集各有25000个样本,且正负样本个数相同,均为12500个。 该数据集和官网提供的相比,去除了一些不必要的文件,其他均未改动。
2022-12-24 11:35:34 41.88MB nlp 情感分析 IMDb 深度学习
1
带有Python的电影推荐系统 通过推荐与特定电影最相似的电影的基本推荐系统。 使用该样本来构建系统,这不是一个可靠的系统,只会告诉您哪些电影与您选择的电影更相似。
2022-12-21 10:53:48 911KB 系统开源
1
flask-movie Online movie project 项目地址: (测试账号:test 密码:123456) 管理员后台地址: (账号:chen 密码:123456) 1、简介: 在线微电影播放网站 flask+python3.6+mysql+pycharm 2、主要实现功能: admin后台模块: 1,标签(分类)管理 2,电影管理 3,预告管理(首页轮播预告图片) 4,会员(用户)管理 5,评论管理 6,收藏管理 7,日志管理(后台操作日志,用户登录日志,管理员登录日志) 8,权限管理 9,角色管理 10,管理员管理 home前台模块: 1,用户注册,登录 2,会员中心(资料编辑,修改密码,评论记录,登录日志,收藏电影) 3,电影轮播预告 4,电影名称搜索 5,电影筛选(分类,星级,上映时间,播放数量,评论数量) 6,电影播放,评论,收藏 3、项目目录结构: +--a
2022-12-14 18:33:02 49.08MB flask movie HTML
1
豆瓣用户每天都在对“看过”的电影进行“很差”到“力荐”的评价,豆瓣根据每部影片看过的人数以及该影片所得的评价等综合数据,通过算法分析产生豆瓣电影 Top 250。
2022-12-08 19:16:34 17KB movie
1
自述文件 该项目基于Hadoop和Hive。 如果您尚未设置它们,请参考以下说明: & 。 您可以从下载我们的测试数据。 README.txt具有有关其数据属性的非常详细的说明。 在wirteup中也有描述。 请将给定数据集中的::替换为 (这是一个标签)。 只要使其更容易处理即可。 请将目录更改为刚刚下载的数据文件。 对我来说是$cd ~/ml-1m 请启动hadoop,这是Hive运行的先决条件。 输入命令$hive -f extract.q 。 将出现目录“结果”。 它存储我们要使用的数据。 我们已经在源文件中提供了这样提取的数据,称为new_data.txt 。 在HDFS上创建文件夹,我们将数据放入文件夹: $ hadoop fs -makedir /hadoop 将数据放在HDFS上: $ hadoop -fs copyFromLocal /directory of
2022-12-02 20:42:13 84.58MB Java
1
Bigdata-movie 本项目以电影数据为主题,以数据采集、处理、分析及数据可视化为项目流程,可实现百万级电影数据离线处理与计算。 项目详解:. 开发环境:IDEA+Pycharm+Python3+hadoop2.8+hive2.3.0+mysql5.7+sqoop+spark 1.数据采集(pachong.py)、预处理: 采集豆瓣电影top250电影信息,采集电影名称、电影简介、电影评分、其他信息、电影连接等字段,抓取电影票房总收入排名情况(取前20),删除冗余和空值字,利用Python的PyMysql库连接本地Mysql数据库并导入movies表,可以将数据保存到本地,从而进行数据可视化展示,也可将数据导入到大数据的Hive数仓工具中,用于大数据分析。 采集数据展示: 排序 影片名称 类型 总票房(万) 场均人次 上映日期 1 战狼2 动作 567928 38 2017/7/27
2022-11-05 15:29:48 7.13MB Python
1