Python推荐算法案例(2)——基于内容的电影推荐

本文介绍如何利用Python的TfIdfVectorizer计算TF-IDF矩阵,并通过余弦相似度推荐与指定电影(如阿凡达)内容相似的其他电影,主要涉及电影类别。推荐的电影主要为科幻片,如钢铁侠、星球大战等。

    在上一节中讲述了如何利用评分对电影进行简单的排序推荐。Python推荐算法案例(1)——根据评分进行排序的电影推荐

    本节中,将根据某电影的内容属性(例如电影类别)来推荐相似的电影。

   数据来源IMDB电影评分数据

    Python程序如下:

import pandas as pd
from numpy import *
movies=pd.io.parsers.read_csv('C:/Users/Ray/Desktop/recommand/movie_metadata/movie_metadata.csv')
movies.head()

movies['genres'].head()

from sklearn.feature_extraction.text import TfidfVectorizer

    tf-idf

评论 26
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值