Erstelle die Nutzerprofile
Du kannst jetzt Vorschläge für ähnliche Artikel basierend auf ihren gekennzeichneten Merkmalen oder auf ihren Beschreibungen erzeugen. Manchmal reicht es aber nicht, nur ähnliche Artikel zu finden. In den nächsten Übungen arbeitest du daran, wie man Empfehlungen auf Basis eines Nutzers und aller Artikel, die er mochte, statt auf Basis eines einzelnen Artikels erstellen kann. Zuerst erzeugst du ein Profil für einen Nutzer, indem du alle Filme zusammenfasst, die er zuvor gut fand.
Das tfidf_summary_df, mit dem du in den letzten Übungen gearbeitet hast, wurde für dich geladen. Es enthält eine Zeile pro Film mit den Titeln als Index sowie eine Spalte pro Merkmal mit dem jeweiligen TF-IDF-Score.
Diese Übung ist Teil des Kurses
Recommendation Engines mit Python entwickeln
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
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)