Sugestões não personalizadas
Construindo mecanismos de recomendação em Python
Robert O'Callaghan
Director of Data
Identificando pares
0 User_223 The Great Gatsby <---| Lido pelo mesmo usuário
1 User_223 The Catcher in the Rye <---|
2 User_131 The Lord of the Rings
3 User_965 Little Women <---| Lido pelo mesmo usuário
4 User_965 Fifty Shades of Grey <---|
... ...
Permutações versus combinações
| User | book_title |
|---|---|
| User_233 | The Great Gatsby |
| User_233 | The Catcher in the Rye |
Para:
| Book A | Book B | |
|---|---|---|
| 0 | The Great Gatsby | The Catcher in the Rye |
| 1 | The Catcher in the Rye | The Great Gatsby |
Livros vistos com The Great Gatsby -> The Catcher in the Rye
Livros vistos com The Catcher in the Rye -> The Great Gatsby
Criando a função de pareamento
from itertools import permutations
def create_pairs(x):
return pairs
Criando a função de pareamento
from itertools import permutations
def create_pairs(x):
pairs = permutations(x.values, 2)
return pairs
permutations(list, length_of_permutations))Gera um objeto iterável com todas as permutações
Criando a função de pareamento
from itertools import permutations
def create_pairs(x):
pairs = list(permutations(x.values, 2))
return pairs
permutations(list, length_of_permutations))Gera um objeto iterável com todas as permutaçõeslist()Converte esse objeto em uma lista utilizável
Criando a função de pareamento
from itertools import permutations
def create_pairs(x):
pairs = pd.DataFrame(list(permutations(x.values, 2)),
columns=['book_a','book_b'])
return pairs
permutations(list, length_of_permutations))Gera um objeto iterável com todas as permutaçõeslist()Converte esse objeto em uma lista utilizávelpd.DataFrame()Converte a lista em um DataFrame com as colunasbook_aebook_b
Aplicando a função aos dados
book_pairs = book_df.groupby('userId')['book_title'].apply(perm_function)
print(book_pairs.head())
book_a book_b
userId
User_223 0 The Great Gatsby The Catcher in the Rye
1 The Catcher in the Rye The Great Gatsby
User_965 0 Little Women 40 Shades of Grey
1 40 Shades of Grey Little Women
User_773 0 The Twilight Saga Harry Potter and the Sorcerer's Stone
...
Limpando os resultados
book_pairs = book_pairs.reset_index(drop=True)
print(book_pairs.head())
book_a book_b
0 The Great Gatsby The Catcher in the Rye
1 The Catcher in the Rye The Great Gatsby
3 Little Women 40 Shades of Grey
4 40 Shades of Grey Little Women
5 The Twilight Saga Harry Potter and the Sorcerer's Stone
...
Contando os pareamentos
pair_counts = book_pairs.groupby(['book_a', 'book_b']).size()
book_a book_b
The Twilight Saga Fifty Shades of Grey 16
Pride and Prejudice 12
...
pair_counts_df = pair_counts.to_frame(name = 'size').reset_index()
print(pair_counts_df.head())
book_a book_b size
1 The Twilight Saga Fifty Shades of Grey 16
2 The Twilight Saga Pride and Prejudice 12
...
Buscando recomendações
pair_counts_sorted = pair_counts_df.sort_values('size', ascending=False)
pair_counts_sorted[pair_counts_sorted['book_a'] == 'Lord of the Rings']
book_a book_b size
137 Lord of the Rings The Hobbit 12
147 Lord of the Rings Harry Potter and the Sorcerer's Stone 10
143 Lord of the Rings The Colour of Magic 9
...
Vamos praticar!
Construindo mecanismos de recomendação em Python
