Kullanıcı profiline göre öneriler
Python ile Öneri Motorları Geliştirme
Rob O'Callaghan
Director of Data
Öğeden öğeye öneriler
Kullanıcı profilleri
tfidf_summary_df:
| Kitap | Macera | Fantezi | Trajedi | Toplumsal eleştiri |
|---|---|---|---|---|
| The Hobbit | 1 | 1 | 0 | 0 |
| Macbeth | 0 | 0 | 1 | 0 |
| ... | ... | ... | ... | ... |
Kullanıcı Profili:
| Kullanıcı Profili | Macera | Fantezi | Trajedi | Toplumsal eleştiri |
|---|---|---|---|---|
| User_001 | ??? | ??? | ??? | ??? |
Kullanıcı verilerini çıkarma
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 ...
Kullanıcı profilini oluşturma
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, ...]
Bir kullanıcı için öneriler bulma
# 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"])
En iyi önerileri alma
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
... ...
Hadi pratik yapalım!
Python ile Öneri Motorları Geliştirme
