Depois de percorrer seções de ficção científica em plataformas como Netflix e verificar as classificações no IMDb, percebi que estava gastando mais tempo navegando do que assistindo. E quando eu escolhia alguma coisa, muitas vezes errava o alvo.
Então, em vez de reclamar do algoritmo, decidi construir meu próprio sistema pessoal de recomendação de filmes usando NotebookLM e uma ajudinha do Gemini.
Veja como fiz isso e o que mais me surpreendeu.
Relacionado
Combinei o NotebookLM com o YouTube e aprendi mais rápido do que nunca com aplicativos de anotações
Esta dupla improvável melhorou minha rotina de aprendizado
Construindo um banco de dados mestre de filmes (dividido por gênero)
Todo sistema de recomendação precisa de um pool de candidatos. Antes que qualquer coisa possa ser classificada, filtrada ou combinada ao seu gosto, é necessário que haja um universo de opções para você escolher.
Ao contrário das plataformas de streaming, o NotebookLM não rastreia a web em tempo real. Funciona com as fontes que você fornece. Isso significava que se eu quisesse recomendações melhores, eu mesmo teria que construir a matéria-prima.
Em vez de extrair manualmente os gráficos da IMDb ou copiar os títulos um por um da Netflix, pedi ao Gemini que gerasse uma lista estruturada para mim.
Minha solicitação foi muito específica:
Faça uma lista dos 100 melhores filmes de ficção científica. Para cada filme, inclua o ano, um resumo e algumas características descritivas como tom, ritmo, intensidade e estilo.
Em segundos, Gemini criou uma lista limpa e organizada. Copiei a lista inteira em um arquivo do Google Docs intitulado Lista mestre de filmes de ficção científica e adicionei esse documento ao NotebookLM como fonte.
Mas não parei em um gênero. Criei documentos mestre separados para thrillers, comédias, dramas e filmes de animação.
Expandindo além do óbvio
Uma coisa que eu não queria era um banco de dados cheio de escolhas previsíveis. Grandes títulos são fáceis de encontrar, mas eu realmente gosto de filmes desconhecidos que nem sempre aparecem na primeira página de um aplicativo de streaming.
Para isso, usei o Pesquise na web recurso dentro do NotebookLM. Eu digitaria algo como filmes de ficção científica subestimados dos anos 2000 ou clássicos cult de ficção científica de baixo orçamentoe apareceria listas selecionadas. Eu os revisaria e importaria esses links para o NotebookLM.
Essa etapa extra fez uma enorme diferença. Meu documento mestre de ficção científica começou a parecer mais uma biblioteca bem abastecida.
Transformando meu histórico de exibição em um perfil de gosto
Além das minhas listas mestras baseadas em gênero, criei um arquivo separado do Google Docs chamado Filmes assistidos onde mantenho um registro dos filmes que vi.
Para cada entrada, incluo o título do filme, o que gostei nele, o que não funcionou para mim e quaisquer outras ideias que tenho.
Quando adiciono este documento ao NotebookLM, ele pode identificar padrões em minhas anotações. E como ele sincroniza diretamente com o Google Drive, não preciso fazer upload de nada novamente.
À medida que assisto novos filmes e adiciono notas, seleciono o documento e escolho Clique para sincronizar com o Google Drivee ele é atualizado automaticamente.
NotebookLM se tornou meu mecanismo pessoal de recomendação de filmes
Neste ponto, NotebookLM tinha duas fontes principais: minhas listas principais de filmes baseadas em gênero (cada uma com resumos e características concisas) e minhas listas pessoais de filmes. Filmes assistidos documento cheio de anotações sobre o que gostei e o que não gostei.
Como o NotebookLM pode ler várias fontes conectadas ao mesmo tempo, eu poderia fazer perguntas que os aplicativos de streaming tradicionais nunca respondem.
Por exemplo, vou perguntar:
Com base no meu histórico de exibição de ficção científica, sugira cinco filmes da lista principal que provavelmente irei gostar a seguir.
Também pediria que recomendasse filmes da lista principal que correspondam às minhas preferências e evitem temas que critiquei. Em vez de divulgar o que é tendência ou o que usuários semelhantes assistiram, ele explica a lógica por trás de cada sugestão.
NotebookLM me diz por que um determinado filme se adapta ao meu gosto, muitas vezes citando padrões de minhas reações anteriores. Isso tornou mais fácil confiar nas escolhas.
Transformei os dados do meu filme em um episódio de podcast
Depois de usar o NotebookLM como mecanismo de recomendação, fiquei curioso sobre o recurso Visão geral de áudio.
No painel Studio, cliquei Visão geral do áudio e adicionei o seguinte prompt:
Crie uma discussão com base em meus documentos conectados: lista mestre de filmes de ficção científica e filmes assistidos. Enquadre o resultado como um podcast de filme, com dois apresentadores detalhando minhas preferências, padrões e pontos cegos.
O resultado foi um mini-episódio sobre minha personalidade de espectador. Ele discutiu minhas preferências e terminou com conclusões sobre o que provavelmente irei a seguir.
Fiquei surpreso com o quão útil isso foi para a tomada de decisões. Depois de ouvir, tive uma noção mais clara do que procurar. Em vez de navegar pelos principais filmes de ficção científica, eu sabia que deveria procurar histórias com muitos conceitos.
Às vezes, faz recomendações excelentes. E, ocasionalmente, fico irritado por afirmar que estou cansado de histórias distópicas, embora claramente as ame.
Como isso se transformou em meu ritual de fim de semana
Credit: Lucas Gouveia / Android Police | Rawpixel.com / Shutterstock
Na maioria dos fins de semana, assisto pelo menos um filme. E agora, em vez de passar para outra coisa, abro o Google Docs e escrevo sobre o filme.
O arquivo pode ser sincronizado com o NotebookLM, portanto, quando terminar de digitar, o sistema já terá o novo ponto de dados. Quando chega o próximo fim de semana e peço recomendações, elas se baseiam nas minhas reações mais recentes.
Também mantenho o banco de dados mestre de filmes atualizado. Se alguém recomenda um filme durante uma conversa ou me deparo com uma discussão interessante online, eu o adiciono ao documento do gênero relevante.
No mesmo fim de semana, normalmente gerarei algumas recomendações novas dentro do NotebookLM. Em vez de confiar em mim mesmo para me lembrar deles, uso o Salvar em nota opção. Isso cria uma lista armazenada que posso revisitar mais tarde.
Quando chega a noite de domingo e não tenho vontade de pensar, abro minhas recomendações salvas e escolho um filme.
Relacionado
Pedi ao NotebookLM para me ajudar a hackear minha lista de leitura – aqui está o que funcionou
Como acompanho tudo que leio
Não abro mais o Netflix ou o Amazon Prime Video e passo 25 minutos pairando sobre as miniaturas enquanto minha comida esfria lentamente. Agora, já tenho opções esperando.
Como meu banco de dados mestre é organizado e minhas anotações estão em constante evolução dentro do NotebookLM, cada recomendação é filtrada por meio de minhas preferências.
É incrivelmente personalizável. Se estou com vontade de ficção científica lenta e com profundidade emocional, posso pedir exatamente isso. Se eu quiser algo intenso, mas com menos de duas horas, posso restringir.
Surpreendentemente, o recurso Visão geral de áudio pode ser minha parte favorita. Ouvi-lo no aplicativo móvel é como sintonizar um mini podcast sobre os filmes que assisti.
