Motor de recomandare bazat pe rezumate

În acest exercițiu, vom construi un motor de recomandare care sugerează filme pe baza similarității rezumatelor. Ai la dispoziție o funcție get_recommendations() care primește titlul unui film, o matrice de similaritate și o serie indices ca argumente, și returnează o listă cu cele mai similare filme. Seria indices îți este deja furnizată.

Ai, de asemenea, o serie movie_plots care conține rezumatele mai multor filme. Sarcina ta este să generezi o matrice de similaritate cosinus pentru vectorii tf-idf ai acestor rezumate.

În final, vom testa puterea motorului nostru generând recomandări pentru unul dintre filmele mele preferate: The Dark Knight Rises.

Acest exercițiu face parte din cursul

Ingineria caracteristicilor pentru NLP în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Inițializează un TfidfVectorizer cu stop_words pentru limba engleză. Numește-l tfidf.
Construiește tfidf_matrix prin ajustarea și transformarea datelor cu rezumatele filmelor, folosind fit_transform().
Generează matricea de similaritate cosinus cosine_sim folosind tfidf_matrix. Nu folosi cosine_similarity()!
Folosește get_recommendations() pentru a genera recomandări pentru 'The Dark Knight Rises'.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Initialize the TfidfVectorizer 
tfidf = ____(____='english')

# Construct the TF-IDF matrix
tfidf_matrix = tfidf.____(movie_plots)

# Generate the cosine similarity matrix
cosine_sim = ____(tfidf_matrix, tfidf_matrix)
 
# Generate recommendations 
print(get_recommendations(____, cosine_sim, indices))

Editează și rulează codul