Soluna: Anilist 動漫數據分析與推薦平台

Soluna 是一個結合機器學習與 AniList 數據的雲端動漫分析平台。本專案旨在解決「棄番風險」與「選擇困難」問題，透過分析用戶的觀看歷史與動漫特徵，提供棄番機率預測、季節性新番推薦以及用戶契合度分析。

📂 專案結構

本專案採用前後端分離架構，並容器化以便於雲端部署：

• Solaris (前端): 基於 React + Vite 建置，負責資料視覺化與使用者介面。生產環境使用 Nginx 進行託管。
• Lunaris (後端): 基於 Python FastAPI 建置，負責與 AniList API 串接、資料處理以及機器學習模型推論。

.
├── docker-compose.yml    # 容器編排設定
├── Solaris/              # 前端原始碼 (React)
│   ├── Dockerfile        # Multi-stage build (Node -> Nginx)
│   └── ...
└── Lunaris/              # 後端原始碼 (FastAPI)
    ├── Dockerfile        # Python 3.12 環境
    ├── main.py           # API 入口點
    └── ...

🛠️ 技術棧

• 前端: React, Vite, Recharts (圖表繪製), Axios
• 後端: FastAPI, Uvicorn, Pandas, Scikit-learn, XGBoost
• 資料來源: AniList GraphQL API
• 基礎設施: Docker, Docker Compose

🚀 快速開始

前置需求

確保您的電腦已安裝以下軟體：

• Docker Desktop
• Git

啟動專案

1. 複製專案

   git clone https://github.com/senba1000m3/Soluna.git
   cd Soluna

2. 使用 Docker 啟動 在專案根目錄執行以下指令，這將會自動建置前後端映像檔並啟動服務：

   docker-compose up --build

3. 訪問服務

   • 前端頁面: 開啟瀏覽器訪問 http://localhost:3000
   • 後端 API 文件: 訪問 http://localhost:8000/docs 查看 Swagger UI。

💻 本地開發 (非 Docker 模式)

如果您希望在本地分別執行前後端進行開發：

後端 (Lunaris)

cd Lunaris
pip install -r requirements.txt
uvicorn main:app --reload
# 服務運行於: http://localhost:8000

前端 (Solaris)

cd Solaris
npm install
npm run dev
# 服務運行於: http://localhost:5173 (Vite 預設埠)
# 注意：需確保 .env 或程式碼中的 API URL 指向 localhost:8000

📝 功能目標

1. 棄番預測 (Drop Prediction): 預測用戶放棄某部動漫的機率。
2. 季節性預測 (Seasonal Forecast): 針對新番進行潛力評估與推薦。
3. 用戶契合度 (Synergy): 分析兩位用戶的觀影品味重疊度。
4. 動漫編年史 (Timeline): 根據用戶生日生成專屬的動漫世代時間軸。