Recommandations selon le profil utilisateur

Créer des moteurs de recommandation en Python

Rob O'Callaghan

Director of Data

Recommandations « article à article »

Image montrant des recommandations basées sur des éléments similaires.

Créer des moteurs de recommandation en Python

Profils utilisateurs

tfidf_summary_df :

Book Adventure Fantasy Tragedy Social commentary
The Hobbit 1 1 0 0
Macbeth 0 0 1 0
... ... ... ... ...

Profil utilisateur :

User Profile Adventure Fantasy Tragedy Social commentary
User_001 ??? ??? ??? ???
Créer des moteurs de recommandation en Python

Extraire les données utilisateur

list_of_books_read = ['The Hobbit', 'Foundation', 'Nudge']

user_books = tfidf_summary_df.reindex(list_of_books_read)

print(user_books)

               age   ancient   angry   brave   battle   fellow    ...
 The Hobbit   0.21      0.53    0.41    0.64     0.01     0.02    ...
 Foundation   0.31      0.90    0.42    0.33     0.64     0.04    ...
      Nudge   0.61      0.01    0.45    0.31     0.12     0.74    ...
Créer des moteurs de recommandation en Python

Construire le profil utilisateur

user_prof = user_movies.mean()

print(user_prof)

age      0.376667
ancient  0.480000
angry    0.426667
brave    0.256667
             ...

print(user_prof.values.reshape(1,-1))

[0.376667, .480000, 0.426667, 0.256667, ...]
Créer des moteurs de recommandation en Python

Trouver des recommandations pour un utilisateur

# Create a subset of only the non read books
non_user_movies = tfidf_summary_df.drop(list_of_movies_seen, axis=0)


# Calculate the cosine similarity between all rows
user_prof_similarities = cosine_similarity(user_prof.values.reshape(1, -1),
                                          non_user_movies)

# Wrap in a DataFrame for ease of use
user_prof_similarities_df = pd.DataFrame(user_prof_similarities.T,
                                        index=tfidf_summary_df.index,
                                        columns=["similarity_score"])
Créer des moteurs de recommandation en Python

Obtenir les meilleures recommandations

sorted_similarity_df = user_prof_similarities.sort_values(by="similarity_score",
                                                         ascending=False)

print(sorted_similarity_df)

                                similarity_score
Title                                           
The Two Towers                          0.422488
Dune                                    0.363540
The Magicians Nephew                    0.316075
...                                     ...
Créer des moteurs de recommandation en Python

Passons à la pratique !

Créer des moteurs de recommandation en Python

Preparing Video For Download...