Bangun profil pengguna
Sekarang Anda dapat menghasilkan saran untuk item serupa berdasarkan fitur berlabel atau berdasarkan deskripsinya. Namun, terkadang mencari item serupa saja tidak cukup. Pada latihan berikutnya, Anda akan mempelajari cara membuat rekomendasi berdasarkan seorang pengguna dan semua item yang mereka sukai, bukan hanya satu item tunggal. Pertama, Anda akan membuat profil untuk seorang pengguna dengan mengagregasikan semua film yang sebelumnya mereka nikmati.
tfidf_summary_df yang telah Anda gunakan pada beberapa latihan terakhir sudah dimuat untuk Anda. DataFrame ini berisi satu baris per film dengan judul sebagai indeks dan satu kolom untuk setiap fitur yang memuat skor TF-IDF masing-masing.
Latihan ini adalah bagian dari kursus
Membangun Recommendation Engine di Python
Latihan interaktif praktis
Cobalah latihan ini dengan menyelesaikan kode contoh berikut.
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)