Overview

In this assignment, you’ll implement a prototype movie recommendation program in Python according

to the following guidelines.

You can work individually or in a group of up to 4 people.

What to submit

Write all the required functions described below in the given template file named hw1 .py, and submit your completed hw1 .py.  If you are working in a group, only one person should submit, and your hw1.py file should have a comment that gives the names and netIDs of everyone in your group.

You can resubmit any number of times. The last submission will be graded.

You may also implement other helper functions as needed. Make sure you write all your test calls

in the main() function.  Do not write any code outside of any of the functions.  We’ll ignore your main() function when grading.

How to test your code

You can test your program by calling your functions in the hw1 .py file. All test code must be in the main() function.

Make sure the test files are in the same folder as the program.  You may develop and test your code in a Jupyter notebook, but for submission you will need to move your code over to hw1 .py and execute it as above to make sure it works correctly.

You can run your tests on the given ratings and movies files, but testing on only these files may not be sufficient. You should make your own test files as well, to make sure that you cover the various paths of logic in your functions. You are not required to submit any of your test files.

You may assume that all parameter values given to your functions will be valid.  Also, in any function that requires the returned values to be sorted or ranked, ties may be broken arbitrarily between equal values.

Data Input

●  Ratings file:  A text file that contains movie ratings.  Each line has the name (with year) of a movie, its rating (range 0-5 inclusive), and the id of the user who rated the movie.  A movie can have multiple ratings from different users. A user can rate multiple movies, but can rate a particular movie only once.

●  Movies file:  A text file that contains the genres of movies.  Each line has a genre, a movie id,

and the name (with year) of the movie. To keep it simple, each movie belongs to a single genre. Note: A movie name includes the year to disambiguate movies with the same title.

There are sample movies and ratings files provided on Canvas.

You may assume that input files will be correctly formatted, and data types will be as expected.

For all rating computations, do not round up (or otherwise modify) the rating unless otherwise specified.

Task 1: Reading Data

(8 points) Movie ratings

Write a function read_ratings_data(f) that takes in a ratings file name, and returns a dictionary.

The dictionary should have movie as key, and the corresponding list of ratings as value.

For example:

{

"The  Lion  King  (2019)" :  [6.0 ,  7.5 ,  5.1],

"Titanic  (1997)" :  [7]

}

(8 points) Movie genres

Write a function read_movie_genre(f) that takes in a movies file name and returns a dictionary mapping from movie to genre.

For example:

{

"Toy  Story  (1995)" :  "Adventure" ,

"Golden  Eye  (1995)" :  "Action"

}

Watch out for leading and trailing whitespaces in movie name and genre name, and remove them when encountered.

Task 2: Processing Data

(8 points) Genre dictionary

Write a function create_genre_dict that takes as a parameter a movie-to-genre dictionary, of the

kind created in Task 1.2.  The function should return another dictionary in which a genre is mapped to all the movies in that genre.

For example:

{

genre1:  [m1, m2, m3],

genre2:  [m6, m7]

}

(where genre1, m1, etc. are placeholders for actual genre and movie names)

[8 points] Average rating

Write a function calculate_average_rating that takes as a parameter a ratings dictionary, of the

kind  created  in  Task  1.1.   It  should return  a  dictionary where the  movie  is  mapped to  its  average

rating computed from the ratings list.

For example, an input of

{

"The  Lion  King  (2019)" :  [6.0 ,  7.5 ,  5.1],

"Spider-Man  (2002)" :  [3 ,  2 ,  4 ,  5]

}

should generate

{

"The  Lion  King  (2019)" :  6.2 ,

"Spider-Man  (2002)" :  3.5

}

Task 3: Recommendation

(8 points) Popularity based

In services such as Netflix and Spotify, you often see recommendations with the heading “Popular

movies” or “Trending top 10”.

Write a function get_popular_movies that takes as parameters a dictionary of movie-to-average rating (as created in Task 2.2), and an integer n (default should be 10). The function should return a dictionary (movie:average  rating, same structure as input dictionary) of top n movies based on the average ratings. If there are fewer than n movies, it should return all movies in order of top average ratings.

(8 points) Threshold rating

Write a function filter_movies that takes as parameters a dictionary of movie-to-average rating (same as for the popularity based function above), and a threshold rating with default value of 3.

The function should filter movies based on the threshold rating, and return a dictionary with same structure as the input. For example, if the threshold rating is 3.5, the returned dictionary should have only those movies from the input whose average rating is equal to or greater than 3.5.

(8 points) Popularity & genre based

In most recommendation systems,  genre of the movie/song/book plays an important role.   Often features like popularity, genre, artist are combined to present recommendations to a user.

Write a function get_popular_in_genre that, given a genre, a genre-to-movies dictionary  (as created in Task 2.1), a dictionary of movie:average rating (as created in Task 2.2), and an integer n (default 5), returns the top n most popular movies in that genre based on the average ratings.  The return value should be a dictionary of movie-to-average rating of movies that make the cut.  If there are fewer than n movies, it should return all movies in order of top average ratings.

Genres will be from those in the movie:genre dictionary created in Task 1.2. The genre name will exactly match one of the genres in the dictionary, so you do not need to do any upper or lower case conversion.