TF-IDF を使ったレコメンデーション作成
前の演習では、TF-IDF に変換したあらすじに基づいて、データセット内のすべての映画同士の類似度をあらかじめ計算しました。ここでは、その類似度スコアを使いやすいように DataFrame にまとめます。続いて、この新しい DataFrame を使って映画のおすすめを提案します。
前の演習で作成した、すべての映画間の類似度を格納した行列 cosine_similarity_array は読み込まれています。映画とその TF-IDF 特徴量を含む DataFrame tfidf_summary_df も利用できます。
この演習はコースの一部です
Pythonでつくるレコメンデーションエンジン
実践的なインタラクティブ演習
このサンプルコードを完成させて、この演習に挑戦してみましょう。
# Wrap the preloaded array in a DataFrame
cosine_similarity_df = pd.____(____, index=tfidf_summary_df.index, columns=tfidf_summary_df.index)
# Find the values for the movie Rio
cosine_similarity_series = ____.____['Rio']
# Sort these values highest to lowest
ordered_similarities = cosine_similarity_series.____(____)
# Print the results
print(____)