レコメンダ関数
この演習では、レッスンおよび前の演習で説明したレコメンダ関数 get_recommendations() を作成します。ご存じのとおり、この関数はタイトル、コサイン類似度行列、映画タイトルとインデックスの対応マッピングを引数に取り、元のタイトルに最も近いタイトルを（元のタイトル自体を除いて）10件リストで返します。
映画のタイトルと概要を含むデータセット metadata が与えられています。このデータセットの先頭はコンソールに表示済みです。
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
indicesのtitleキーを使って、指定したタイトルに一致する映画のインデックスを取得します。sim_scoresから最も類似した映画を10件抽出し、抽出結果をsim_scoresに格納し直します。
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。
# Generate mapping between titles and index
indices = pd.Series(metadata.index, index=metadata['title']).drop_duplicates()
def get_recommendations(title, cosine_sim, indices):
# Get index of movie that matches title
idx = ____[____]
# Sort the movies based on the similarity scores
sim_scores = list(enumerate(cosine_sim[idx]))
sim_scores = sorted(sim_scores, key=lambda x: x[1], reverse=True)
# Get the scores for 10 most similar movies
sim_scores = sim_scores[____]
# Get the movie indices
movie_indices = [i[0] for i in sim_scores]
# Return the top 10 most similar movies
return metadata['title'].iloc[movie_indices]