Spaces:
Sleeping
Sleeping
| import streamlit as st | |
| import pandas as pd | |
| import torch | |
| from transformers import AutoTokenizer, AutoModel | |
| import faiss | |
| import numpy as np | |
| def load_data(url): | |
| df = pd.read_csv(url) # 👈 Download the data | |
| return df | |
| df = load_data('data/final_data.csv') | |
| # @st.cache_data | |
| # def embedding_and_index(): | |
| # embeddings_array = np.load('data/embeddings_final.npy') | |
| # index = faiss.read_index('data/desc_faiss_index_final.index') | |
| # return(embeddings_array, index) | |
| # embeddings_array, index = embedding_and_index() | |
| # @st.cache_resource | |
| # def load_tokenizer_and_model(): | |
| # tokenizer = AutoTokenizer.from_pretrained("DeepPavlov/rubert-base-cased-sentence") | |
| # model = AutoModel.from_pretrained("DeepPavlov/rubert-base-cased-sentence") | |
| # return tokenizer, model | |
| # tokenizer, model = load_tokenizer_and_model() | |
| # @st.cache_resource | |
| # def encode_description(description, tokenizer, model): | |
| # tokens = tokenizer(description, return_tensors="pt") | |
| # with torch.no_grad(): | |
| # outputs = model(**tokens) | |
| # embeddings = outputs.last_hidden_state.mean(dim=1) | |
| # return embeddings.cpu().numpy().astype('float32') | |
| st.title('Умный поиск фильмов 🔍🎦') | |
| # with st.sidebar: | |
| # st.header('Выберите страницу') | |
| # page = st.selectbox("Выберите страницу", ["Главная", "Подбор фильмов по описанию", "Итоги"]) | |
| # if page == "Главная": | |
| st.header('Выполнила команда "FindMyMovie":') | |
| st.subheader('🎥Алексей') | |
| st.subheader('🎬Светлана') | |
| st.subheader('🍿Тата') | |
| st.subheader('Наши задачи:') | |
| st.markdown(""" | |
| <span style='font-size:18px; color:purple;'>Задача 1:</span> Спарсить информацию по 5 тыс. фильмов и обработать ее | |
| <span style='font-size:18px; color:purple;'>Задача 2:</span> Разработать систему поиска фильма по пользовательскому запросу | |
| """, unsafe_allow_html=True) | |
| st.markdown( | |
| f"<div style='border: 2px solid #800080; padding: 10px; text-align: center;'><span style='font-size: 20px; color: violet;'>Мы любезно позаимствовали данные о фильмах с \ | |
| Киноафиши, ни один участник команды при этом не пострадал 💟</span></div>", | |
| unsafe_allow_html=True | |
| ) | |
| st.subheader(' '*10) | |
| st.info('🌟Сервис принимает на вход описание фильма от пользователя и возвращает заданное количество подходящих вариантов') | |
| st.info('🌟Если не знаете, что посмотреть, нажмите кнопку "Сгенерировать" - сервис предложит вам 10 случайных фильмов из библиотеки') | |
| # Отображаем HTML-разметку в Streamlit | |
| if st.button("Сгенерировать 🎲"): | |
| # Получение случайных 10 строк | |
| random_rows = df[['movie_title', 'description']].sample(n=10).reset_index(drop=True) | |
| random_rows.index = random_rows.index + 1 | |
| st.markdown(f"<span style='font-size:{20}px; color:violet'>{'Сегодня мы подобрали для вас следующие фильмы:'}</span>", unsafe_allow_html=True) | |
| st.write(random_rows) | |
| st.image("apps/1.png", use_column_width=True) | |
| # if page == "Подбор фильмов по описанию": | |
| # def main(): | |
| # # Пользовательский ввод | |
| # user_input = st.text_input("Введите описание фильма:", value="", help="Чем подробнее будет ваше описание, тем точнее мы сможем подобрать для вас фильм 🤗'") | |
| # if st.button("Искать🔍🎦"): | |
| # if user_input: | |
| # # Векторизация введенного запроса | |
| # input_embedding = encode_description(user_input) | |
| # # Поиск с использованием Faiss | |
| # _, sorted_indices = index.search(input_embedding.reshape(1, -1), 5) # Изменил на 5 | |
| # # Используйте индексы для извлечения строк из DataFrame | |
| # recs = df2.iloc[sorted_indices[0]].reset_index(drop=True) | |
| # recs.index = recs.index + 1 | |
| # # Вывод рекомендованных фильмов с изображениями | |
| # st.subheader("Рекомендованные фильмы 🎉:") | |
| # for i in range(5): | |
| # st.markdown(f"<span style='font-size:{20}px; color:purple'>{recs['movie_title'].iloc[i]}</span>", unsafe_allow_html=True) | |
| # # Создаем две колонки: одну для текста, другую для изображения | |
| # col1, col2 = st.columns([2, 1]) | |
| # # В колонке отображаем название фильма, описание, роли и ссылку | |
| # col1.info(recs['description'].iloc[i]) | |
| # col1.markdown(f"**В ролях:** {recs['actors'].iloc[i]}") | |
| # col1.markdown(f"**Фильм можно посмотреть [здесь]({recs['page_url'].iloc[i]})**") | |
| # # В колонке отображаем изображение | |
| # col2.image(recs['image_url'].iloc[i], caption=recs['movie_title'].iloc[i], width=200) | |
| # with st.sidebar: | |
| # st.info(""" | |
| # #### Мы смогли помочь вам с выбором? | |
| # """) | |
| # feedback = st.text_input('Поделитесь с нами вашим мнением') | |
| # feedback_button = st.button("Отправить отзыв", key="feedback_button") | |
| # if feedback_button and feedback: | |
| # feedback_container.success("Спасибо, каждый день мы стараемся быть лучше для вас 💟") | |
| # elif feedback_button: | |
| # feedback_container.warning("Пожалуйста, введите отзыв перед отправкой.") | |
| # if __name__ == "__main__": | |
| # main() | |
| # if page == "Итоги": | |
| # st.header('Инструменты для создания проекта: ') | |
| # list_text = """ | |
| # <div style='color: violet; border: 2px solid purple; padding: 10px;'> | |
| # <ul> | |
| # <li>Используемые языковые модели: rubert-base-cased-sentence, rubert-tiny2</li> | |
| # <li>Библиотека Sentence Transformers</li> | |
| # <li>Faiss (для уменьшения времени генерации подборки фильмов)</li> | |
| # <li>Сайт-жертва для парсинга - <a href="https://www.kinoafisha.info/" style='color: purple;'>Киноафиша</a></li> | |
| # </ul> | |
| # </div> | |
| # """ | |
| # # Отображение HTML-разметки в Streamlit | |
| # st.markdown(list_text, unsafe_allow_html=True) |