Побудуйте профілі користувачів
Тепер ви вмієте генерувати пропозиції схожих елементів на основі їхніх позначених ознак або описів. Але інколи просто знайти схожі елементи недостатньо. У наступних вправах ви розглянете, як можна створювати рекомендації, виходячи з конкретного користувача та всіх елементів, які йому сподобалися, а не з одного окремого елемента. Спочатку ви згенеруєте профіль користувача, агрегувавши всі фільми, які він раніше оцінив позитивно.
tfidf_summary_df, з яким ви працювали в попередніх вправах, уже завантажено. У ньому є один рядок на фільм із назвами у вигляді індексу та окрема колонка для кожної ознаки з відповідним значенням TF-IDF.
Ця вправа є частиною курсу
Створення систем рекомендацій у Python
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
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)