プロットのレコメンデーションエンジン
この演習では、あらすじの類似性に基づいて映画を推薦するレコメンデーションエンジンを作成します。引数として映画タイトル、類似度行列、indices Series を受け取り、最も類似した映画のリストを出力する get_recommendations() 関数が用意されています。indices はすでに提供されています。
また、複数の映画のあらすじが入った movie_plots Series も与えられています。あなたのタスクは、これらのプロットの tf-idf ベクトルに対するコサイン類似度行列を作成することです。
最後に、私のお気に入りの映画のひとつである The Dark Knight Rises に対して推薦を生成し、エンジンの性能を確かめます。
この演習はコースの一部です
Pythonで学ぶNLPの特徴量エンジニアリング
演習の手順
- 英語の
stop_wordsを指定してTfidfVectorizerを初期化し、tfidfという名前を付けます。 fit_transform()を用いて映画のあらすじデータにフィット・変換し、tfidf_matrixを作成します。tfidf_matrixからコサイン類似度行列cosine_simを生成します。cosine_similarity()は使わないでください！get_recommendations()を使って、'The Dark Knight Rises'の推薦を生成します。
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。
# Initialize the TfidfVectorizer
tfidf = ____(____='english')
# Construct the TF-IDF matrix
tfidf_matrix = tfidf.____(movie_plots)
# Generate the cosine similarity matrix
cosine_sim = ____(tfidf_matrix, tfidf_matrix)
# Generate recommendations
print(get_recommendations(____, cosine_sim, indices))