เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ระบบแนะนำหนังจากเนื้อเรื่อง

ในแบบฝึกหัดนี้ เราจะสร้างระบบแนะนำหนังที่แนะนำภาพยนตร์โดยอิงจากความคล้ายคลึงของเนื้อเรื่อง มีฟังก์ชัน get_recommendations() เตรียมไว้ให้แล้ว โดยรับชื่อภาพยนตร์ เมทริกซ์ความคล้ายคลึง และ Series indices เป็นอาร์กิวเมนต์ แล้วส่งออกเป็นรายการภาพยนตร์ที่คล้ายกันมากที่สุด ทั้งนี้ indices ได้เตรียมไว้ให้แล้ว

นอกจากนี้ยังมี Series movie_plots ที่เก็บเนื้อเรื่องของภาพยนตร์หลายเรื่องไว้ให้ด้วย หน้าที่ของคุณคือสร้างเมทริกซ์ cosine similarity จากเวกเตอร์ tf-idf ของเนื้อเรื่องเหล่านี้

จากนั้นเราจะทดสอบประสิทธิภาพของระบบด้วยการสร้างคำแนะนำสำหรับภาพยนตร์เรื่องโปรดเรื่องหนึ่ง ได้แก่ The Dark Knight Rises

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering for NLP in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง TfidfVectorizer โดยกำหนด stop_words เป็นภาษาอังกฤษ แล้วตั้งชื่อว่า tfidf
  • สร้าง tfidf_matrix โดย fit และ transform ข้อมูลเนื้อเรื่องภาพยนตร์ด้วย fit_transform()
  • สร้างเมทริกซ์ cosine similarity ชื่อ cosine_sim จาก tfidf_matrix โดยห้ามใช้ cosine_similarity()
  • ใช้ get_recommendations() เพื่อสร้างคำแนะนำสำหรับ 'The Dark Knight Rises'

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Initialize the TfidfVectorizer 
tfidf = ____(____='english')

# Construct the TF-IDF matrix
tfidf_matrix = tfidf.____(movie_plots)

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