Update app.py

app.py

@@ -68,16 +68,18 @@ if page == "какая-то еще":
     embeddings = pd.read_pickle('embeddings.pkl')
     user_input = st.text_area('Введите описание фильма')
     input_embedding = encode_description(user_input)
-    embeddings_tensor = torch.stack([torch.Tensor(ast.literal_eval(embedding_str)) for embedding_str in df2['description_embedding']]).numpy()
+    def parse_tensor_string(tensor_string):
+        return torch.tensor(ast.literal_eval(tensor_string))
 
+# Преобразование колонки description_embedding в embeddings_tensor
+    df2['embeddings_tensor'] = df2['description_embedding'].apply(parse_tensor_string)
 
-    # Рассчитайте косинусное сходство
-    similarity_scores = cosine_similarity(input_embedding.view(1, -1).detach().numpy(), embeddings_tensor.reshape(embeddings_tensor.shape[0], -1))[0]
+# Объединение тензоров в один большой тензор
+    embeddings_tensor = torch.stack(df2['embeddings_tensor'].tolist())
 
-    # Получение индексов отсортированных значений
+# Ваш оставшийся код остается без изменений
+    similarity_scores = cosine_similarity(input_embedding.view(1, -1).detach().numpy(), embeddings_tensor.reshape(embeddings_tensor.shape[0], -1))[0]
     sorted_indices = similarity_scores.argsort()[::-1]
-
-    # Используйте индексы для извлечения строк из DataFrame
     recs = df2.iloc[sorted_indices[:10]].reset_index(drop=True)
     recs.index = recs.index + 1   
     st.write(recs[['movie_title', 'description']])