Raccomandazioni basate sul profilo utente
Ora che hai costruito il profilo utente a partire dall’aggregazione dei singoli film che ha apprezzato, puoi confrontarlo con il più ampio DataFrame tfidf_summary_df su cui hai lavorato per generare suggerimenti. Poiché non vuoi consigliare film che l’utente ha già visto, per prima cosa troverai un sottoinsieme del DataFrame tfidf_summary_df che non contenga alcuno dei film già guardati.
Il DataFrame user_prof che hai generato nell’esercizio precedente, contenente una singola colonna che rappresenta l’utente, è stato caricato per te. Allo stesso modo, è stato caricato list_of_movies_enjoyed così puoi escluderli dalle previsioni.
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.
from sklearn.metrics.pairwise import cosine_similarity
# Find subset of tfidf_df that does not include movies in list_of_movies_enjoyed
tfidf_subset_df = tfidf_df.____(list_of_movies_enjoyed, axis=____)