TED talk-rekommendationssystem

I den här övningen bygger vi ett rekommendationssystem som föreslår TED Talks baserat på deras transskript. Du har fått en funktion get_recommendations() som tar emot titeln på ett föredrag, en likhetsmatris och en indices-serie som argument, och returnerar en lista med de mest liknande föredragen. indices är redan tillgänglig för dig.

Du har också fått en serie transcripts som innehåller transskript från cirka 500 TED Talks. Din uppgift är att generera en cosinuslikhetsmatris för tf-idf-vektorerna av föredragstransskripten.

Därefter genererar vi rekommendationer för ett föredrag med titeln '5 ways to kill your dreams' av den brasilianska entreprenören Bel Pesce.

Den här övningen är en del av kursen

Funktionsutveckling för NLP i Python

Visa kurs

Övningsinstruktioner

Initiera en TfidfVectorizer med engelska stoppord. Döp den till tfidf.
Skapa tfidf_matrix genom att anpassa och transformera transcripts.
Generera cosinuslikhetsmatrisen cosine_sim med hjälp av tfidf_matrix.
Använd get_recommendations() för att generera rekommendationer för '5 ways to kill your dreams'.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Initialize the TfidfVectorizer 
tfidf = ____

# Construct the TF-IDF matrix
tfidf_matrix = ____

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

Redigera och kör kod