LoslegenKostenlos starten

Welche Artikel sind ähnlich zu 'Cristiano Ronaldo'?

Im Video hast du gelernt, wie du NMF-Merkmale und die Kosinus-Ähnlichkeit nutzt, um ähnliche Artikel zu finden. Wende das auf dein NMF-Modell für beliebte Wikipedia-Artikel an, indem du die Artikel findest, die dem Artikel über den Fußballer Cristiano Ronaldo am ähnlichsten sind. Die NMF-Merkmale, die du zuvor erhalten hast, stehen als nmf_features zur Verfügung, und titles ist eine Liste der Artikeltitel.

Diese Übung ist Teil des Kurses

<Kurs>Unsupervised Learning in Python</Kurs>
Kurs ansehen

Übungsanweisungen

  • Importiere normalize aus sklearn.preprocessing.
  • Wende die Funktion normalize() auf nmf_features an. Speichere das Ergebnis als norm_features.
  • Erstelle ein DataFrame df aus norm_features und verwende titles als Index.
  • Verwende .loc[] von df, um die Zeile von 'Cristiano Ronaldo' auszuwählen. Weise das Ergebnis article zu.
  • Wende die Methode .dot() von df auf article an, um die Kosinus-Ähnlichkeit jeder Zeile mit article zu berechnen.
  • Gib das Ergebnis der Methode .nlargest() von similarities aus, um die ähnlichsten Artikel anzuzeigen. Das wurde bereits für dich erledigt, also klicke auf 'Antworten', um das Ergebnis zu sehen!

Interaktive praktische Übung

Versuche dich an dieser Übung, indem du diesen Beispielcode vervollständigst.

# Perform the necessary imports
import pandas as pd
from ____ import ____

# Normalize the NMF features: norm_features
norm_features = ____

# Create a DataFrame: df
df = ____

# Select the row corresponding to 'Cristiano Ronaldo': article
article = df.loc[____]

# Compute the dot products: similarities
similarities = ____

# Display those with the largest cosine similarity
print(similarities.nlargest())
Code bearbeiten und ausführen