pages/03_🚀_Find_my_show_(FAISS).py

import os
import importlib.util
import torch
import streamlit as st
import pandas as pd
import time
from PIL import Image


# Формируем абсолютный путь до файла functions.py
module_path = os.path.abspath(
    os.path.join(os.path.dirname(__file__), "..", "resource", "functions.py")
)

# Загружаем модуль
spec = importlib.util.spec_from_file_location("resource.functions", module_path)
functions = importlib.util.module_from_spec(spec)
spec.loader.exec_module(functions)

# Теперь используем функции напрямую
table_maker = functions.table_maker
# RecSys = functions.RecSys
FAISS_inference = functions.FAISS_inference

poster_path = "https://resizer.mail.ru/p/"
show_path = "https://kino.mail.ru/series_"
placeholder_path = "../img/v2/nopicture/308x462.png"


@st.cache_resource(ttl=3600)  # 👈 Cache data for 1 hour (=3600 seconds)
def load_model(model_path):
    model = torch.load(model_path)
    return model


@st.cache_data(ttl=3600)  # 👈 Cache data for 1 hour (=3600 seconds)
def load_data(data_path):
    df = pd.read_pickle(data_path)
    return df


DATA_PATH = "data/data.pkl"
MODEL_PATH = "model/model.pt"

df = load_data(DATA_PATH)
model = load_model(MODEL_PATH)


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

# Заголовок приложения
st.markdown("### Поиск сериалов по запросу пользователя (с использованием FAISS)")


# Создание списка уникальных стран
all_countries = sorted(set(df["county"].tolist()))

# Создание списка уникальных жанров
all_genres = set()
for genres_set in df["tags"].dropna():
    all_genres.update(genres_set)
all_genres = sorted(all_genres)

# Фильтр по наличию рейтинга
has_rating = st.sidebar.checkbox("Показывать только сериалы с рейтингом?", True)

# Виджеты для боковой панели
selected_country = st.sidebar.multiselect("Страна", all_countries)
selected_genre = st.sidebar.multiselect("Жанры", all_genres)


rating = True

search_table = table_maker(
    df=df,
    country=selected_country,
    min_year=int(df["year"].min()),
    max_year=int(df["year"].max()),
    tagger=set(selected_genre),
    rating=has_rating,
)

# Проверяем, пустой ли отфильтрованный DataFrame
if search_table.empty:
    st.error(
        "После фильтрации данных не осталось. Пожалуйста, выберите другие параметры."
    )
else:
    # Преобразование year в числовой формат, если возможно, и обработка NaN значений
    search_table["year"] = pd.to_numeric(search_table["year"], errors="coerce").dropna()

    if search_table.empty:
        st.error(
            "После фильтрации и обработки годов в данных не осталось записей. Пожалуйста, выберите другие параметры."
        )
    else:
        # Теперь безопасно ищем min и max
        min_year = int(search_table["year"].min())
        max_year = int(search_table["year"].max())

        # Если есть хотя бы два разных года, отображаем слайдер
        if min_year < max_year:
            selected_year_range = st.sidebar.slider(
                "Выберите диапазон лет выпуска",
                min_value=min_year,
                max_value=max_year,
                value=(min_year, max_year),
            )
            # Применяем фильтр по годам
            search_table = search_table[
                (search_table["year"] >= selected_year_range[0])
                & (search_table["year"] <= selected_year_range[1])
            ]

        st.sidebar.markdown("---")
        st.sidebar.markdown("### Дополнительные настройки")

        # Позволяет пользователю выбрать количество сериалов для отображения, от 1 до 10
        top_n = st.sidebar.number_input(
            "Сколько сериалов показывать?", min_value=1, max_value=10, value=5
        )

        # Создание текстового поля для ввода пользовательского запроса
        user_request = st.text_input(
            "Введите ваш запрос:",
            "про ментов, мусора по коням, менты, полиция и все такое",
        )

        user_request_emb = model.encode(user_request)

        if st.button("Найти сериалы по запросу") and len(df) > 0:

            start_time = time.time()
            output_faiss = FAISS_inference(search_table, user_request_emb, top_n)
            end_time = time.time()
            elapsed_time = end_time - start_time

            st.info(f"Время поиска составило: {elapsed_time:.4f} sec.")

            # top_n = 5  # мин 1 макс 10
            res = output_faiss()

            (
                poster,
                title,
                description,
                rating,
                genre,
                cast,
                score,
                year,
                links,
                country,
            ) = (
                {},
                {},
                {},
                {},
                {},
                {},
                {},
                {},
                {},
                {},
            )

            for i, con in enumerate(res["poster"]):
                # Проверяем, является ли значение в con ссылкой или путем к файлу
                if "nopicture" in con:
                    poster[i] = placeholder_path
                else:
                    poster[i] = poster_path + con

            for i, con in enumerate(res["year"]):
                year[i] = con

            for i, con in enumerate(res["title"]):
                title[i] = con

            for i, con in enumerate(res["description"]):
                description[i] = con

            for i, con in enumerate(res["rating"]):
                rating[i] = con

            for i, con in enumerate(res["tags"]):
                genre[i] = ", ".join(con)

            for i, con in enumerate(res["cast"]):
                cast[i] = con

            for i, con in enumerate(res["score"]):
                score[i] = con

            for i, con in enumerate(res["url"]):
                links[i] = show_path + con

            for i, con in enumerate(res["county"]):
                country[i] = con

            st.markdown("---")

            # Проверяем, пустой ли набор результатов
            if len(res) == 0:
                st.error(
                    "Сериалы по выбранным параметрам не найдены. Попробуйте изменить критерии поиска."
                )
            else:
                # Если результаты есть, выводим их
                iterations = min(len(res), top_n)

                for i in range(iterations):

                    col1, col2 = st.columns([1, 3])
                    with col1:
                        st.image(poster[i])
                        # Добавляем ссылку под картинкой
                        st.markdown(
                            f"<a href='{links[i]}' target='_blank' style='display: block; text-align: center; color: grey; font-size: small; font-style: italic;'>Смотреть сериал</a>",
                            unsafe_allow_html=True,
                        )

                    with col2:

                        st.markdown(
                            f"<span style='font-weight:bold; font-size:22px;'>Название сериала:</span> <span style='font-size:20px;'>«{title[i]}»</span>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            f"<span style='font-weight:bold; font-size:16px;'>Страна:</span> <span style='font-size:16px;'>{country[i]}</span>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            f"<span style='font-weight:bold; font-size:16px;'>Год выпуска:</span> <span style='font-size:16px;'>{year[i]}</span>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            f"<span style='font-weight:bold; font-size:16px;'>Жанр:</span> <span style='font-size:16px;'>{genre[i]}</span>",
                            unsafe_allow_html=True,
                        )

                        rating_display = (
                            "Нет информации" if pd.isna(rating[i]) else rating[i]
                        )

                        st.markdown(
                            f"<span style='font-weight:bold; font-size:16px;'>Рейтинг:</span> <span style='font-size:16px;'>{rating_display}</span>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            "<h6 style='font-weight:bold;'>В ролях:</h6>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            f"<div style='text-align: justify; margin-bottom: 18px;'>{cast[i]}</div>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            "<h6 style='font-weight:bold;'>Описание:</h6>",
                            unsafe_allow_html=True,
                        )

                        st.markdown(
                            f"<div style='text-align: justify;'>{description[i]}</div>",
                            unsafe_allow_html=True,
                        )
                        score_display = round(score[i], 3)
                        st.markdown(
                            f"<div style='color: grey;'><hr style='margin: 2px 0;'/><span style='font-weight:bold; font-size:13px; font-style: italic;'>Оценка FAISS (расстояние):</span> <span style='font-size:13px; font-style: italic;'>{score_display}</span><hr style='margin: 2px 0;'/></div>",
                            unsafe_allow_html=True,
                        )

                    st.markdown("---")