Construire les profils utilisateurs
Vous savez désormais générer des suggestions d’éléments similaires à partir de leurs attributs étiquetés ou de leurs descriptions. Mais trouver des éléments similaires ne suffit pas toujours. Dans les prochains exercices, vous verrez comment créer des recommandations basées sur un utilisateur et l’ensemble des éléments qu’il a appréciés, plutôt que sur un seul élément. Vous allez d’abord générer un profil pour un utilisateur en agrégeant tous les films qu’il a appréciés auparavant.
Le tfidf_summary_df utilisé dans les derniers exercices a été chargé pour vous. Il contient une ligne par film, avec les titres comme index, et une colonne par caractéristique contenant son score TF-IDF respectif.
Cet exercice fait partie du cours
Créer des moteurs de recommandation en Python
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
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)