ユーザープロファイルのレコメンド
Pythonでつくるレコメンデーションエンジン
Rob O'Callaghan
Director of Data
アイテム間レコメンド
ユーザープロファイル
tfidf_summary_df:
| Book | Adventure | Fantasy | Tragedy | Social commentary |
|---|---|---|---|---|
| The Hobbit | 1 | 1 | 0 | 0 |
| Macbeth | 0 | 0 | 1 | 0 |
| ... | ... | ... | ... | ... |
ユーザープロファイル:
| User Profile | Adventure | Fantasy | Tragedy | Social commentary |
|---|---|---|---|---|
| User_001 | ??? | ??? | ??? | ??? |
ユーザーデータの抽出
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 ...
ユーザープロファイルの作成
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, ...]
ユーザーへのレコメンド探索
# 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"])
上位レコメンドを取得
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
... ...
Let's practice!
Pythonでつくるレコメンデーションエンジン
