Rekomendacje oparte na profilu użytkownika
Teraz, gdy zbudowano profil użytkownika na podstawie agregacji filmów, które mu się podobały, możesz porównać go z większym DataFrame'em tfidf_summary_df, aby wygenerować sugestie. Ponieważ nie warto polecać filmów, które użytkownik już oglądał, najpierw wyodrębnisz podzbiór DataFrame'a tfidf_summary_df niezawierający wcześniej obejrzanych filmów.
DataFrame user_prof wygenerowany w poprzednim ćwiczeniu, zawierający jedną kolumnę reprezentującą użytkownika, został już wczytany. Podobnie wczytano list_of_movies_enjoyed, aby móc wykluczyć te filmy z rekomendacji.
To ćwiczenie jest częścią kursu
Budowanie systemów rekomendacji w Pythonie
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
from sklearn.metrics.pairwise import cosine_similarity
# Find subset of tfidf_df that does not include movies in list_of_movies_enjoyed
tfidf_subset_df = tfidf_df.____(list_of_movies_enjoyed, axis=____)