レコメンドシステムの実装〜TF-IDFを使って映画の概要から類似度を求めてみました〜 - Qiita

はじめに レコメンドシステムのコンテンツベースフィルタリングを、TF-IDFを用いて実装してみます。前回の記事では、One-Hot Encodingを用いてアニメのジャンルデータから類似度を計算しています。良ければこちらもご覧ください。 今回は以下のような実装を行います。 映画の概要（文章）をTF-IDFでベクトル化 コサイン類似度を使って類似度を計算 類似度の高いアイテムをレコメンド scikit-learnを使って簡単に実装していきます。 TF-IDF TF-IDFは前回One-Hot Encodingで行ったようなアイテムのベクトル化の手法の一つです。今回はアイテムの概要（文章のもの）をベクトル化するため、TF-IDFを使ってみます。 TF-IDFはTF（Term Frequency）とIDF（Inverse Document Frequency）の積で求められます。以下の式で表され