Buat Sistem Rekomendasi Film Anda Sendiri Menggunakan Python

Apakah Anda bertanya-tanya bagaimana Netflix menyarankan film yang sangat sesuai dengan minat Anda? Atau mungkin Anda ingin membangun sistem yang dapat memberikan saran seperti itu kepada penggunanya juga?

Jika jawaban Anda adalah ya, maka Anda datang ke tempat yang tepat karena artikel ini akan mengajari Anda cara membangun sistem rekomendasi film dengan menggunakan Python.

Namun, sebelum kita mulai membahas 'Bagaimana' kita harus terbiasa dengan 'Apa.'

Sistem Rekomendasi: Apa Itu?

Sistem rekomendasi telah menjadi bagian yang sangat integral dari kehidupan kita sehari-hari. Dari pengecer online seperti Amazon dan Flipkart hingga platform media sosial seperti YouTube dan Facebook, setiap perusahaan digital besar menggunakan sistem rekomendasi untuk memberikan pengalaman pengguna yang dipersonalisasi kepada klien mereka.

Beberapa contoh sistem rekomendasi dalam kehidupan sehari-hari Anda antara lain:

• Saran yang Anda dapatkan dari Amazon saat membeli produk adalah hasil dari sistem rekomendasi.
• YouTube menggunakan sistem pemberi rekomendasi untuk menyarankan video yang sesuai dengan selera Anda.
• Netflix memiliki sistem rekomendasi terkenal untuk menyarankan acara dan film sesuai minat Anda.

Sistem rekomendasi menyarankan produk pengguna dengan menggunakan data. Data ini dapat berupa minat yang dimasukkan pengguna, riwayat, dll. Jika Anda mempelajari pembelajaran mesin dan AI, maka Anda harus mempelajari sistem rekomendasi karena sistem tersebut menjadi semakin populer dan canggih.

Jenis Sistem Rekomendasi

Ada dua jenis sistem rekomendasi:

1. Sistem Rekomendasi Kolaboratif

Sistem rekomendasi kolaboratif menyarankan item sesuai dengan kemiripan pengguna serupa untuk item tersebut. Ini mengelompokkan pengguna dengan minat dan selera yang sama dan menyarankan produk mereka sesuai dengan itu.

Misalnya, Anda dan satu pengguna lain menyukai Sholay. Sekarang, setelah menonton Sholay dan menyukainya, pengguna lain menyukai Golmaal. Karena Anda dan pengguna lain memiliki minat yang sama, sistem pemberi rekomendasi akan menyarankan Anda menonton Golmaal berdasarkan data ini. Ini adalah penyaringan kolaboratif.

2. Sistem Rekomendasi Berbasis Konten

Sistem pemberi rekomendasi berbasis konten menyarankan item berdasarkan data yang diterimanya dari pengguna. Itu bisa didasarkan pada data eksplisit ('Suka', 'Bagikan', dll.) atau data implisit (riwayat tontonan). Sistem rekomendasi akan menggunakan data ini untuk membuat profil khusus pengguna dan akan menyarankan item berdasarkan profil tersebut.

Membangun Sistem Rekomendasi Film Dasar

Sekarang kita telah membahas dasar-dasar sistem pemberi rekomendasi, mari kita mulai membangun sistem rekomendasi film.

Kita dapat mulai membangun sistem rekomendasi film berbasis Python dengan menggunakan dataset MovieLens lengkap. Dataset ini berisi lebih dari 26 juta peringkat, 750.000 aplikasi tag yang diterapkan ke lebih dari 45.000 film. Data genom tag hadir dalam kumpulan data ini dengan lebih dari 12 juta skor relevansi.

Kami menggunakan kumpulan data lengkap untuk membuat sistem rekomendasi film dasar. Namun, Anda bebas menggunakan kumpulan data yang lebih kecil untuk proyek ini. Pertama, kita harus mengimpor semua perpustakaan yang diperlukan:

Sistem rekomendasi film dasar berbasis Python akan menyarankan film sesuai dengan popularitas dan genre film. Sistem ini bekerja berdasarkan anggapan bahwa film populer dengan aklamasi kritis akan memiliki kemungkinan besar untuk disukai oleh khalayak umum. Ingatlah bahwa sistem rekomendasi film seperti itu tidak memberikan saran yang dipersonalisasi.

Untuk menerapkannya, kami akan mengurutkan film berdasarkan popularitas dan peringkatnya dan memberikan argumen genre untuk mendapatkan film bergenre teratas:

Memasukkan

md = pd. read_csv('../input/movies_metadata.csv')

md.head()

Keluaran

Memasukkan

md['genres'] = md['genres'].fillna('[]').apply(literal_eval).apply(lambda x: [i['name'] for i in x] if isinstance(x, list ) lain [])

Rumus untuk Bagan Kami

Untuk membuat bagan film teratas kami, kami menggunakan peringkat TMDB. Kami akan menggunakan rumus peringkat tertimbang IMDB untuk membuat grafik kami, yaitu sebagai berikut:

Peringkat Tertimbang (WR) = (iaouaouaouaouaou)

Di sini, v adalah singkatan dari jumlah suara yang didapat sebuah film, m adalah jumlah suara minimum yang harus didapatkan sebuah film di tangga lagu, R adalah peringkat rata-rata film, dan C adalah suara rata-rata untuk keseluruhan laporan .

Membangun Bagan

Sekarang setelah kita memiliki kumpulan data dan rumus, kita dapat mulai membuat bagan. Kami hanya akan menambahkan film tersebut ke grafik kami yang memiliki minimal 95% suara. Kita akan mulai dengan membuat grafik 250 teratas.

Memasukkan

vote_counts = md[md['vote_count'].notnull()]['vote_count'].astype('int')

vote_averages = md[md['vote_average'].notnull()]['vote_average'].astype('int')

C = vote_averages.mean()

C

Keluaran

5.244896612406511

Memasukkan

m = vote_counts.quantile(0.95)

M

Keluaran

434.0

Memasukkan

md['tahun'] = pd.to_datetime(md['release_date'], errors='coerce').apply(lambda x: str(x).split('-')[0] if x != np. nan lain np.nan)

Memasukkan

memenuhi syarat = md[(md['vote_count'] >= m) & (md['vote_count'].notnull()) & (md['vote_average'].notnull())][['title', 'year ', 'jumlah_suara', 'suara_rata-rata', 'popularitas', 'genre']]

memenuhi syarat['vote_count'] = memenuhi syarat['vote_count'].astype('int')

memenuhi syarat['vote_average'] = memenuhi syarat['vote_average'].astype('int')

memenuhi syarat.shape

Keluaran

(2274, 6)

Seperti yang Anda lihat, untuk mendapatkan tempat di chart kami, sebuah film harus memiliki minimal 434 suara. Anda mungkin telah memperhatikan bahwa peringkat rata-rata yang harus dimiliki sebuah film untuk masuk ke grafik kami adalah 5,24.

Memasukkan

def weighted_rating(x):

v = x['jumlah_suara']

R = x['suara_rata-rata']

kembali (v/(v+m) * R) + (m/(m+v) * C)

Memasukkan

memenuhi syarat['wr'] = memenuhi syarat.apply(weighted_rating, axis=1)

Memasukkan

memenuhi syarat = memenuhi syarat.sort_values('wr', ascending=False).head(250)

Dengan semua ini di tempat, mari buat bagan:

Film Teratas Secara Keseluruhan

Memasukkan

memenuhi syarat.head(15)

Keluaran

Voila, Anda telah membuat sistem rekomendasi film dasar berbasis Python!

Kami sekarang akan mempersempit saran sistem rekomendasi kami menjadi berbasis genre sehingga bisa lebih tepat. Lagi pula, tidak semua orang harus menyukai The Godfather secara setara.

Mempersempit Genre

Jadi, sekarang kami akan memodifikasi sistem rekomendasi kami menjadi lebih spesifik genre:

Memasukkan

s = md.apply(lambda x: pd.Series(x['genres']),axis=1).stack().reset_index(level=1, drop=True)

s.name = 'genre'

gen_md = md.drop('genres', axis=1).join(s)

Memasukkan

def build_chart(genre, persentil=0.85):

df = gen_md[gen_md['genre'] == genre]

vote_counts = df[df['vote_count'].notnull()]['vote_count'].astype('int')

vote_averages = df[df['vote_average'].notnull()]['vote_average'].astype('int')

C = vote_averages.mean()

m = vote_counts.quantile(persentil)

memenuhi syarat = df[(df['vote_count'] >= m) & (df['vote_count'].notnull()) & (df['vote_average'].notnull())][['title', 'year ', 'jumlah_suara', 'suara_rata-rata', 'popularitas']]

memenuhi syarat['vote_count'] = memenuhi syarat['vote_count'].astype('int')

memenuhi syarat['vote_average'] = memenuhi syarat['vote_average'].astype('int')

memenuhi syarat['wr'] = memenuhi syarat.mendaftar(lambda x: (x['vote_count']/(x['vote_count']+m) * x['vote_average']) + (m/(m+x[' vote_count']) * C), axis=1)

memenuhi syarat = memenuhi syarat.sort_values('wr', ascending=False).head(250)

kembali memenuhi syarat

Kami sekarang telah membuat sistem rekomendasi yang mengurutkan film dalam genre roman dan merekomendasikan yang teratas. Kami memilih genre roman karena tidak banyak muncul di chart kami sebelumnya.

Film Romantis Teratas

Memasukkan

build_chart('Romantis').head(15)

Keluaran

Sekarang, Anda memiliki sistem rekomendasi film yang menyarankan film teratas menurut genre yang dipilih. Kami merekomendasikan untuk menguji sistem rekomendasi ini dengan genre lain juga seperti Action, Drama, Suspense, dll. Bagikan tiga film teratas dalam genre favorit Anda yang disarankan oleh sistem rekomendasi di bagian komentar di bawah

Pelajari Lebih Lanjut Tentang Sistem Rekomendasi Film

Seperti yang harus Anda perhatikan sekarang, membangun sistem rekomendasi film berbasis Python, cukup sederhana. Yang Anda butuhkan hanyalah sedikit pengetahuan tentang ilmu data dan sedikit upaya untuk membuat sistem rekomendasi yang berfungsi penuh.

Namun, bagaimana jika Anda ingin membangun sistem rekomendasi yang lebih canggih? Bagaimana jika Anda ingin membuat sistem rekomendasi yang mungkin dipertimbangkan untuk digunakan oleh perusahaan besar?

Jika Anda tertarik untuk mempelajari lebih lanjut tentang sistem rekomendasi dan ilmu data, maka kami sarankan untuk mengambil kursus ilmu data. Dengan kursus, Anda akan mempelajari semua konsep dasar dan lanjutan dari ilmu data dan pembelajaran mesin. Selain itu, Anda akan belajar dari pakar industri yang akan memandu Anda selama kursus untuk membantu Anda menghindari keraguan dan kebingungan.

Di upGrad, kami menawarkan beberapa kursus ilmu data dan pembelajaran mesin. Anda dapat memilih siapa saja dari berikut ini tergantung pada minat Anda:

• Diploma PG dalam Ilmu Data
• Master of Science dalam Ilmu Data
• Sertifikasi PG dalam Ilmu Data
• Diploma PG dalam Pembelajaran Mesin dan AI
• Master of Science dalam Pembelajaran Mesin dan AI

Terlepas dari kursus ini, kami menawarkan banyak kursus lain dalam ilmu data dan pembelajaran mesin. Pastikan untuk memeriksanya!

Pikiran Akhir

Anda sekarang tahu bagaimana membangun sistem rekomendasi film. Setelah Anda membuat sistem, pastikan untuk membagikannya dengan orang lain dan tunjukkan kemajuan Anda kepada mereka. Sistem rekomendasi memiliki beragam aplikasi sehingga mempelajarinya pasti akan memberi Anda keunggulan dalam industri ini.