สร้างโปรไฟล์ผู้ใช้
ตอนนี้สามารถสร้างคำแนะนำสำหรับไอเทมที่คล้ายกันได้แล้ว ไม่ว่าจะอิงจากฟีเจอร์ที่มีการระบุป้ายกำกับไว้ หรืออิงจากคำอธิบายของไอเทมนั้น แต่บางครั้งการหาไอเทมที่คล้ายกันอาจยังไม่เพียงพอ ในแบบฝึกหัดต่อไปนี้ จะได้ลองสร้างคำแนะนำโดยอิงจากผู้ใช้และไอเทมทั้งหมดที่พวกเขาชื่นชอบ แทนที่จะอิงจากไอเทมเพียงชิ้นเดียว ขั้นแรก ให้สร้างโปรไฟล์ของผู้ใช้โดยการรวบรวมข้อมูลจากภาพยนตร์ทั้งหมดที่ผู้ใช้เคยชอบมาก่อน
tfidf_summary_df ที่ใช้งานในแบบฝึกหัดก่อนหน้าได้ถูกโหลดไว้ให้แล้ว โดยมีแถวต่อภาพยนตร์หนึ่งเรื่อง ใช้ชื่อภาพยนตร์เป็น index และมีคอลัมน์สำหรับแต่ละฟีเจอร์ซึ่งเก็บค่า TF-IDF ที่เกี่ยวข้อง
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้าง Recommendation Engine ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
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)