pages/04_🎯_Results.py

import streamlit as st
from PIL import Image


image = Image.open("pages/results.png")
st.image(image, use_column_width=True)

# st.markdown("### Проект на тему: <<Рекомендательные системы>>")

st.markdown(
    """
    <style>
        section[data-testid="stSidebar"][aria-expanded="true"]{
            display: none;
        }
    </style>
    """,
    unsafe_allow_html=True,
)


st.header("Итоги проекта:", divider="rainbow")

st.markdown(
    """
1. 1 день. Спарсено 10000 описаний сериалов с сайта https://kino.mail.ru, подготовлена страница-макет на huggingface, которая возвращала случайные 10 сериалов из выборки.
2. 2 день. В ipynb-файлах подготовлены 2 реализации подобра сериалов - классический метод по косинусному сходству и с использованием библиотеки Faiss. Начато развертывание проекта на huggingface.
3. 3 день. Проект завершен на huggingface, произведена оптимизация кода.
4. Общее: для векторизации текста была использована модель MiniLM-L12-v2.
"""
)


st.markdown("---")

word_freq = Image.open("pages/word_freq.png")
st.image(word_freq, use_column_width=True)

st.markdown("---")

country_freq = Image.open("pages/serials_by_country.png")
st.image(country_freq, use_column_width=True)

st.markdown("---")

genre_freq = Image.open("pages/serials_by_genre.png")
st.image(genre_freq, use_column_width=True)

st.markdown("---")