Sestavení uživatelských profilů
Teď už umíš generovat doporučení podobných položek na základě jejich označených vlastností nebo popisů. Samotné hledání podobných položek ale někdy nestačí. V následujících cvičeních si ukážeme, jak sestavit doporučení na základě uživatele a všech filmů, které se mu líbily – ne jen na základě jediné položky. Nejprve vytvoříš profil uživatele tak, že agreguješ všechny filmy, které v minulosti hodnotil kladně.
DataFrame tfidf_summary_df, se kterým jsi pracoval/a v posledních cvičeních, je již načtený. Obsahuje jeden řádek pro každý film – názvy filmů jsou použity jako index – a pro každou vlastnost samostatný sloupec s příslušným TF-IDF skóre.
Toto cvičení je součástí kurzu
Tvorba doporučovacích systémů v Pythonu
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
list_of_movies_enjoyed = ['Captain America: The First Avenger', 'Green Lantern', 'The Avengers']
# Create a subset of only the movies the user has enjoyed
movies_enjoyed_df = tfidf_summary_df.____(____)
# Inspect the DataFrame
print(movies_enjoyed_df)