Suggestions non personnalisées
Créer des moteurs de recommandation en Python
Robert O'Callaghan
Director of Data
Repérer les paires
0 User_223 The Great Gatsby <---| Lu par le même utilisateur
1 User_223 The Catcher in the Rye <---|
2 User_131 The Lord of the Rings
3 User_965 Little Women <---| Lu par le même utilisateur
4 User_965 Fifty Shades of Grey <---|
... ...
Permutations ou combinaisons ?
| User | book_title |
|---|---|
| User_233 | The Great Gatsby |
| User_233 | The Catcher in the Rye |
Vers :
| Book A | Book B | |
|---|---|---|
| 0 | The Great Gatsby | The Catcher in the Rye |
| 1 | The Catcher in the Rye | The Great Gatsby |
Livres vus avec The Great Gatsby -> The Catcher in the Rye
Livres vus avec The Catcher in the Rye -> The Great Gatsby
Créer la fonction d'appariement
from itertools import permutations
def create_pairs(x):
return pairs
Créer la fonction d'appariement
from itertools import permutations
def create_pairs(x):
pairs = permutations(x.values, 2)
return pairs
permutations(list, length_of_permutations))Génère un objet itérable avec toutes les permutations
Créer la fonction d'appariement
from itertools import permutations
def create_pairs(x):
pairs = list(permutations(x.values, 2))
return pairs
permutations(list, length_of_permutations))Génère un objet itérable avec toutes les permutationslist()Convertit cet objet en liste utilisable
Créer la fonction d'appariement
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))Generates iterable object containing all permutationslist()Converts this object to a usable listpd.DataFrame()Converts the list to a DataFrame containing the columnsbook_aandbook_b
Appliquer la fonction aux données
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
...
Nettoyer les résultats
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
...
Compter les appariements
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
...
Consulter les recommandations
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
...
Passons à la pratique !
Créer des moteurs de recommandation en Python
