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 interattivo pratico
Prova questo esercizio completando questo 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=____)