Spaces:
Sleeping
Sleeping
File size: 2,874 Bytes
4453e09 c00d811 4453e09 e886e86 c00d811 4453e09 a845ebe de9c16e 549b761 de9c16e a845ebe c00d811 de9c16e c00d811 de9c16e c00d811 de9c16e |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 |
import pandas as pd
from sentence_transformers import SentenceTransformer
import faiss
import numpy as np
import streamlit as st
import requests
from PIL import Image
from io import BytesIO
st.title('Рекомендации сериалов по описанию пользователя')
st.divider()
st.write('Особенности: семантический поиск производится по косинусному сходству')
df = pd.read_csv('clean_series_data.csv')
embeddings = np.load('embeddings.npy')
def load_image_from_url(url):
try:
response = requests.get(url)
response.raise_for_status()
return Image.open(BytesIO(response.content))
except Exception as e:
st.error(f"Не удалось загрузить изображение: {e}")
return None
model = SentenceTransformer('cointegrated/rubert-tiny2')
model.cpu()
# embeddings_desc = df['Описание'].apply(lambda x: model.encode(x))
# embeddings_gan = df['Жанры'].apply(lambda x: model.encode(x))
# embeddings = embeddings_desc + embeddings_gan
embeddings = np.array(embeddings).astype(np.float32)
faiss.normalize_L2(embeddings)
dimension = embeddings.shape[1]
index = faiss.IndexFlatIP(dimension)
index.add(embeddings)
query = [st.text_area('Введите описание сериала')]
button = st.button('Вывести результаты')
k = st.slider('Сколько сериалов рекомендовать?',
min_value=1, max_value=10, value=3, step=1)
if button:
if query:
query_embedding = model.encode(query).astype(np.float32)
# Две строки ниже можно будет убрать
# query_embedding = np.array(
# query_embedding, dtype=np.float32).reshape(1, -1)
# faiss.normalize_L2(query_embedding)
distances, indices = index.search(query_embedding, k)
st.subheader('Похожие сериалы:')
for i in range(k):
url = df.loc[indices[0][i]]["Изображение"]
image = load_image_from_url(url)
st.image(image)
st.write(f'Название: {df.loc[indices[0][i]]["Название"]}')
st.write(f'Рейтинг: {df.loc[indices[0][i]]["Рейтинг"]}')
st.write(f'Страна: {df.loc[indices[0][i]]["Страна"]}')
st.write(
f'Длительность одной серии: {df.loc[indices[0][i]]["Длительность"]}')
st.write(
f'Количество серий: {df.loc[indices[0][i]]["Количество серий"]}')
st.write(f'Описание: {df.loc[indices[0][i]]["Описание"]}')
st.write(f'Косинусное сходство: {distances[0][i]:.4f}')
st.divider()
|