НачатьНачать бесплатно

Рекомендательная система TED-докладов

В этом упражнении мы построим рекомендательную систему, которая предлагает TED-доклады на основе их транскриптов. Вам предоставлена функция get_recommendations(), которая принимает название доклада, матрицу схожести и серию indices в качестве аргументов и возвращает список наиболее похожих докладов. Серия indices уже определена.

Также вам дана серия transcripts, содержащая транскрипты около 500 TED-докладов. Ваша задача — построить матрицу косинусного сходства для tf-idf векторов транскриптов.

Затем мы сгенерируем рекомендации для доклада '5 ways to kill your dreams' бразильского предпринимателя Бел Пеши.

Это упражнение является частью курса

Конструирование признаков для NLP на Python

Посмотреть курс

Инструкции к упражнению

  • Инициализируйте TfidfVectorizer с английскими стоп-словами и назовите его tfidf.
  • Постройте tfidf_matrix, применив метод подгонки и преобразования к transcripts.
  • Сформируйте матрицу косинусного сходства cosine_sim на основе tfidf_matrix.
  • Используйте get_recommendations(), чтобы получить рекомендации для '5 ways to kill your dreams'.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Initialize the TfidfVectorizer 
tfidf = ____

# Construct the TF-IDF matrix
tfidf_matrix = ____

# Generate the cosine similarity matrix
cosine_sim = ____
 
# Generate recommendations 
print(get_recommendations(____, ____, indices))
Редактировать и запускать код