Doporučovací engine na základě děje

V tomto cvičení vytvoříš doporučovací engine, který navrhuje filmy na základě podobnosti jejich dějových linií. K dispozici máš funkci get_recommendations(), která jako argumenty přijímá název filmu, matici podobnosti a sérii indices a vrací seznam nejpodobnějších filmů. Série indices je již připravena.

Máš také k dispozici sérii movie_plots, která obsahuje dějové linie několika filmů. Tvým úkolem je vygenerovat matici kosinové podobnosti pro tf-idf vektory těchto dějů.

Nakonec ověříme sílu našeho enginu tím, že vygenerujeme doporučení pro jeden z mých oblíbených filmů — Temný rytíř povstal.

Toto cvičení je součástí kurzu

Feature Engineering for NLP in Python

Zobrazit kurz

Pokyny k cvičení

Inicializuj TfidfVectorizer s anglickými stop_words. Pojmenuj ho tfidf.
Vytvoř tfidf_matrix tak, že na data dějových linií filmů aplikuješ fit_transform().
Vygeneruj matici kosinové podobnosti cosine_sim pomocí tfidf_matrix. Nepoužívej cosine_similarity()!
Pomocí get_recommendations() vygeneruj doporučení pro 'The Dark Knight Rises'.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Initialize the TfidfVectorizer 
tfidf = ____(____='english')

# Construct the TF-IDF matrix
tfidf_matrix = tfidf.____(movie_plots)

# Generate the cosine similarity matrix
cosine_sim = ____(tfidf_matrix, tfidf_matrix)
 
# Generate recommendations 
print(get_recommendations(____, cosine_sim, indices))

Upravit a spustit kód