Maak de gebruikersprofielen
Je kunt nu suggesties genereren voor vergelijkbare items op basis van hun gelabelde kenmerken of op basis van hun beschrijvingen. Maar soms is het vinden van vergelijkbare items niet genoeg. In de volgende oefeningen ga je aan de slag met aanbevelingen op basis van een gebruiker en alle items die ze leuk vonden, in plaats van op één enkel item. Je maakt eerst een profiel voor een gebruiker door alle films te aggregeren die hij/zij eerder leuk vond.
De tfidf_summary_df waar je in de vorige oefeningen mee hebt gewerkt, is voor je geladen. Deze bevat één rij per film met hun titels als index en een kolom per kenmerk met de bijbehorende TF-IDF-score.
Deze oefening maakt deel uit van de cursus
Aanbevelingssystemen bouwen in Python
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
list_of_movies_enjoyed = ['Captain America: The First Avenger', 'Green Lantern', 'The Avengers']
# Create a subset of only the movies the user has enjoyed
movies_enjoyed_df = tfidf_summary_df.____(____)
# Inspect the DataFrame
print(movies_enjoyed_df)