denismagda/movies

这是一个包含超过45,000部电影和26百万条评分的数据集，这些评分来自超过270,000名用户。数据集最初来源于Kaggle，并进行了更新，包括生成了一个SQL模式的`movie_shema.sql`文件，添加了一个`overview_vector`列来存储电影概述的向量化表示，以及创建了包含OpenAI的`text-embedding-ada-002`模型生成的向量的SQL文件。此外，还提供了数据集的截断版本，分别包含超过20,000部和3,000部电影。

原始信息汇总

The Movies Dataset With Embeddings

数据集概述

• 包含超过45,000部电影和2600万条来自超过270,000名用户的评分。

数据处理

• 原始数据来源于Kaggle。
• 生成了movie_shema.sql文件，包含SQL模式。
• 添加了overview_vector列，类型为vector(1536)，用于存储电影概述的向量化表示。
• 创建了movie_data_with_openai_embeddings.sql文件，其中overview_vector列包含使用OpenAI的text-embedding-ada-002模型生成的向量。
• 提供了数据集的截断版本：
  • movie_data_with_openai_embeddings_20K_records.sql：包含超过20,000部电影。
  • movie_data_with_openai_embeddings_3K_records.sql：包含超过3,000部电影。

使用说明

• 如果需要使用不同的嵌入模型，可以加载movie_data.sql数据集，然后为overview或其他列生成嵌入。