Tworzenie profili użytkowników
Wiesz już, jak generować rekomendacje podobnych elementów na podstawie ich oznaczonych cech lub opisów. Jednak samo znajdowanie podobnych elementów nie zawsze wystarczy. W kolejnych ćwiczeniach zobaczysz, jak tworzyć rekomendacje oparte na profilu użytkownika i wszystkich filmach, które mu się podobały – zamiast opierać się na jednym wybranym elemencie. Na początek wygenerujesz profil użytkownika, agregując wszystkie filmy, które wcześniej ocenił pozytywnie.
Zbiór danych tfidf_summary_df, z którym pracowałeś w poprzednich ćwiczeniach, jest już wczytany. Zawiera po jednym wierszu dla każdego filmu – tytuły filmów pełnią rolę indeksu, a każda kolumna odpowiada jednej cesze i zawiera jej wynik TF-IDF.
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
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)