Crea i profili utente
Ora sai generare suggerimenti per elementi simili in base alle loro caratteristiche etichettate o alle loro descrizioni. Ma a volte trovare elementi simili potrebbe non bastare. Nei prossimi esercizi, vedrai come creare raccomandazioni basate su un utente e su tutti i contenuti che ha apprezzato, invece che su un singolo elemento. Per prima cosa genererai un profilo utente aggregando tutti i film che ha già gradito.
Il tfidf_summary_df su cui hai lavorato negli ultimi esercizi è già stato caricato. Contiene una riga per film, con i titoli come indice e una colonna per ciascuna caratteristica con il relativo punteggio TF-IDF.
Questo esercizio fa parte del corso
Creare motori di raccomandazione in Python
Esercizio pratico interattivo
Prova a risolvere questo esercizio completando il codice di esempio.
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)