การแนะนำตามโปรไฟล์ผู้ใช้
เมื่อสร้างโปรไฟล์ผู้ใช้จากการรวมข้อมูลภาพยนตร์ที่ผู้ใช้ชื่นชอบแล้ว ขั้นตอนต่อไปคือนำโปรไฟล์นี้ไปเปรียบเทียบกับ DataFrame tfidf_summary_df ขนาดใหญ่ที่ใช้งานอยู่ เพื่อสร้างคำแนะนำ เนื่องจากไม่ควรแนะนำภาพยนตร์ที่ผู้ใช้ดูไปแล้ว จึงต้องกรองข้อมูลใน tfidf_summary_df ออกก่อน โดยตัด DataFrame ที่มีภาพยนตร์ที่เคยดูแล้วออก
DataFrame user_prof ที่สร้างไว้ในแบบฝึกหัดก่อนหน้า ซึ่งมีคอลัมน์เดียวแทนข้อมูลผู้ใช้ ได้ถูกโหลดไว้ให้แล้ว เช่นเดียวกับ list_of_movies_enjoyed ที่โหลดไว้เพื่อใช้ในการยกเว้นจากการพยากรณ์
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การสร้าง Recommendation Engine ด้วย Python
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
from sklearn.metrics.pairwise import cosine_similarity
# Find subset of tfidf_df that does not include movies in list_of_movies_enjoyed
tfidf_subset_df = tfidf_df.____(list_of_movies_enjoyed, axis=____)