Tutorial Machine Learning Rekomendasi Artikel

Pada artikel Machine Learning kali ini Konsep Koding akan berbagi artikel Python untuk membuat sebuah program Machine Learning yang dapat mengetahui artikel/feeds yang disukai user dari data yang pernah atau di input user. Dalam case ini algoritma nya mirip seperti feed atau fyp seperti instagram/fb dimana ketika kamu mencari atau melihat gambar kucing maka setelahnya post yang akan di tampilkan oleh instagram kepada user adalah postingan kucing. Yah kita akan membuat basic machine learning seperti itu.

Disini kita akan menggunakan Jupyter notebook seperti tutorial tutorial sebelumnya. Jika kamu belum memiliki jupyter notebook maka bisa melihat tutorial sebelumnya mengenai Anaconda dan jupyter notebook.

Tutorial Machine Learning Rekomendasi Artikel

1. Buat notebook baru di jupyter note book anda,

2. Kemudian ketikan kode di bawah ini (enter berarti cell baru)

import pandas as pd

import numpy as np

# Load data CSV

from sklearn.feature_extraction import text

from sklearn.metrics.pairwise import cosine_similarity

data = pd.read_csv("/Users/admin/Project/ml_project/articles.csv", encoding='latin1')

data.head()

articles = data["Article"].tolist()

uni_tfidf = text.TfidfVectorizer(input=articles, stop_words="english")

uni_matrix = uni_tfidf.fit_transform(articles)

uni_sim = cosine_similarity(uni_matrix)

def recommend_articles(x):

return ", ".join(data["Title"].loc[x.argsort()[-5:-1]])

data["Recommended Articles"] = [recommend_articles(x) for x in uni_sim]

data.head()

print(data["Recommended Articles"][1])

3. Kemudian run project anda, dan pastikan CSV path nya sesuai dengan lokasi di komputer mu, untuk CSV bisa kamu download di github di bawah ini beserta source code nya, ketika kamu run jika berhasil maka hasilnya akan seperti gambar di bawah ini, ketika kamu memilih atau menginputkan 1 artikel maka artikel yang sesuai dengan artikel mu akan di rekomendasikan.