TF-IDF로 추천 만들기
이전 연습 문제에서는 TF-IDF로 변환한 줄거리를 바탕으로, 데이터셋에 있는 모든 영화 간 유사도 점수를 미리 계산했어요. 이제 이 유사도 점수를 활용하기 쉽도록 DataFrame에 담아 보겠습니다. 그런 다음 이 새 DataFrame을 사용해 영화 추천을 만들어 볼 거예요.
이전에 생성한, 모든 영화 간 유사도 값을 담은 행렬 cosine_similarity_array가 미리 로드되어 있어요. 영화와 해당 TF-IDF 특성을 담은 DataFrame tfidf_summary_df도 제공됩니다.
이 연습은 강의의 일부입니다
Python으로 추천 엔진 만들기
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# 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(____)