Bygg användarprofiler
Nu kan du generera förslag på liknande filmer baserat på deras märkta egenskaper eller beskrivningar. Men att hitta liknande objekt räcker inte alltid. I de kommande övningarna går vi igenom hur man skapar rekommendationer baserade på en användare och alla filmer de har gillat, i stället för att utgå från en enskild film. Du börjar med att skapa en profil för en användare genom att aggregera alla filmer de tidigare har tyckt om.
tfidf_summary_df som du har arbetat med i de senaste övningarna är redan inläst. Den innehåller en rad per film med filmtitlarna som index och en kolumn för varje egenskap med respektive TF-IDF-värde.
Den här övningen är en del av kursen
Bygga rekommendationsmotorer i Python
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
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)