เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

ระบบแนะนำ TED Talk

ในแบบฝึกหัดนี้ เราจะสร้างระบบแนะนำที่แนะนำ TED Talk โดยอิงจากบทถอดเสียง มีฟังก์ชัน get_recommendations() เตรียมไว้ให้แล้ว ซึ่งรับชื่อของ Talk, เมทริกซ์ความคล้ายคลึง และ Series ชื่อ indices เป็นอาร์กิวเมนต์ แล้วส่งออกรายการ Talk ที่คล้ายคลึงกันมากที่สุด โดย indices ถูกกำหนดค่าไว้ให้แล้ว

นอกจากนี้ยังมี Series ชื่อ transcripts ที่เก็บบทถอดเสียงของ TED Talk ประมาณ 500 รายการ งานของคุณคือสร้างเมทริกซ์ cosine similarity สำหรับเวกเตอร์ tf-idf ของบทถอดเสียงเหล่านั้น

จากนั้นเราจะสร้างคำแนะนำสำหรับ Talk ที่มีชื่อว่า '5 ways to kill your dreams' โดย Bel Pesce นักธุรกิจชาวบราซิล

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Feature Engineering for NLP in Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้าง TfidfVectorizer โดยกำหนด stopwords ภาษาอังกฤษ แล้วตั้งชื่อว่า tfidf
  • สร้าง tfidf_matrix โดย fit และ transform transcripts
  • สร้างเมทริกซ์ cosine similarity ชื่อ cosine_sim จาก tfidf_matrix
  • ใช้ get_recommendations() เพื่อสร้างคำแนะนำสำหรับ '5 ways to kill your dreams'

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Initialize the TfidfVectorizer 
tfidf = ____

# Construct the TF-IDF matrix
tfidf_matrix = ____

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