Zacznij terazZacznij za darmo

Które artykuły są podobne do artykułu o Cristiano Ronaldo?

W tej lekcji pokazano, jak używać cech NMF i podobieństwa kosinusowego do znajdowania podobnych artykułów. Zastosuj tę metodę do swojego modelu NMF dla popularnych artykułów Wikipedii – znajdź artykuły najbardziej podobne do artykułu o piłkarzu Cristiano Ronaldo. Cechy NMF uzyskane wcześniej są dostępne jako nmf_features, a titles to lista tytułów artykułów.

To ćwiczenie jest częścią kursu

Uczenie nienadzorowane w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Zaimportuj normalize z sklearn.preprocessing.
  • Zastosuj funkcję normalize() do nmf_features. Zapisz wynik jako norm_features.
  • Utwórz DataFrame df z norm_features, używając titles jako indeksu.
  • Za pomocą akcesora .loc[] obiektu df wybierz wiersz 'Cristiano Ronaldo'. Przypisz wynik do zmiennej article.
  • Zastosuj metodę .dot() obiektu df do article, aby obliczyć podobieństwo kosinusowe każdego wiersza względem article.
  • Wyświetl wynik metody .nlargest() obiektu similarities, aby zobaczyć najbardziej podobne artykuły. Ten krok jest już wykonany – kliknij Prześlij odpowiedź, aby zobaczyć wynik!

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Perform the necessary imports
import pandas as pd
from ____ import ____

# Normalize the NMF features: norm_features
norm_features = ____

# Create a DataFrame: df
df = ____

# Select the row corresponding to 'Cristiano Ronaldo': article
article = df.loc[____]

# Compute the dot products: similarities
similarities = ____

# Display those with the largest cosine similarity
print(similarities.nlargest())
Edytuj i uruchom kod