Système de recommandation de conférences TED

Dans cet exercice, vous allez créer un système de recommandation qui suggère des conférences TED à partir de leurs transcriptions. On vous fournit une fonction get_recommendations() qui prend en paramètres le titre d'une conférence, une matrice de similarité et une série indices, puis renvoie une liste des conférences les plus similaires. La série indices vous est déjà fournie.

On vous donne aussi une série transcripts qui contient les transcriptions d'environ 500 conférences TED. Votre tâche consiste à générer une matrice de similarité cosinus pour les vecteurs tf-idf de ces transcriptions.

Vous allez ensuite générer des recommandations pour une conférence intitulée « 5 ways to kill your dreams » de l'entrepreneure brésilienne Bel Pesce.

Cette activité fait partie du cours

Ingénierie des caractéristiques pour le NLP en Python

Voir le cours

Instructions de l’exercice

Initialisez un TfidfVectorizer avec les mots vides anglais (stopwords). Nommez-le tfidf.
Créez tfidf_matrix en ajustant et en transformant transcripts.
Générez la matrice de similarité cosinus cosine_sim à partir de tfidf_matrix.
Utilisez get_recommendations() pour produire des recommandations pour « 5 ways to kill your dreams ».

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Initialize the TfidfVectorizer 
tfidf = ____

# Construct the TF-IDF matrix
tfidf_matrix = ____

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

Modifier et exécuter le code