app/model.py

from flask import Flask, request, jsonify
from keras.models import load_model
import pickle
import numpy as np
from keras.preprocessing.sequence import pad_sequences

app = Flask(__name__)

max_sequence_length = 180

# Charger le modèle entraîné
try:
    model = load_model('word_prediction_model.h5')
except Exception as e:
    print(f"Erreur lors du chargement du modèle : {str(e)}")
    model = None

# Charger le tokenizer
try:
    with open('tokenizer.pickle', 'rb') as handle:
        tokenizer = pickle.load(handle)
except Exception as e:
    print(f"Erreur lors du chargement du tokenizer : {str(e)}")
    tokenizer = None

# Fonction de prédiction des mots suivants avec probabilités
def predict_next_words_with_proba(input_phrase, top_n=5):
    if tokenizer is None or model is None:
        return [], []

    # Tokeniser la phrase d'entrée
    input_sequence = tokenizer.texts_to_sequences([input_phrase])[0]
    
    # Remplir la séquence à la longueur maximale de séquence
    padded_sequence = pad_sequences([input_sequence], maxlen=max_sequence_length-1, padding='pre')
    
    # Prédire les probabilités des mots suivants
    predicted_probs = model.predict(padded_sequence)[0]
    
    # Obtenir les indices des mots avec les probabilités les plus élevées
    top_indices = predicted_probs.argsort()[-top_n:][::-1]
    
    # Obtenir les mots correspondants aux indices
    top_words = [tokenizer.index_word[index] for index in top_indices]
    
    # Obtenir les probabilités correspondantes
    top_probabilities = predicted_probs[top_indices]
    
    return top_words, top_probabilities
@app.route('/test', methods=['GET'])
def test():
        data = request.get_json()
        input_phrase = data['input_phrase']

        
        response = {
            "top_words": "test",
            "top_probabilities": input_phrase
        }
        
        return jsonify(response)
@app.route('/predict', methods=['POST'])
def predict():
    try:
        data = request.get_json()
        input_phrase = data['input_phrase']
        top_n = data.get('top_n', 5)  # Par défaut, retourne les 5 meilleurs mots
        
        top_words, top_probabilities = predict_next_words_with_proba(input_phrase, top_n)
        
        response = {
            "top_words": top_words,
            "top_probabilities": top_probabilities.tolist()
        }
        
        return jsonify(response)
    except Exception as e:
        return jsonify(error=str(e)), 500
if __name__ == '__main__':
    app.run(debug=True)