Créer les profils d'utilisateur
Vous pouvez maintenant générer des suggestions d'articles similaires selon leurs caractéristiques étiquetées ou selon leurs descriptions. Mais parfois, trouver des éléments similaires ne suffit pas. Dans les prochains exercices, vous verrez comment créer des recommandations en fonction d'un utilisateur et de tous les éléments qu'il a aimés, plutôt que d'un seul élément. Vous allez d'abord générer un profil pour un utilisateur en agrégeant tous les films qu'il a déjà appréciés.
Le tfidf_summary_df que vous avez utilisé dans les derniers exercices a été chargé pour vous. Il contient une ligne par film avec leurs titres comme index et une colonne par caractéristique indiquant son score TF-IDF respectif.
Cette activité fait partie du cours
Créer des moteurs de recommandation en Python
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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)