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"Смотреть сериал", unsafe_allow_html=True, ) with col2: st.markdown( f"Название сериала: «{title[i]}»", unsafe_allow_html=True, ) st.markdown( f"Страна: {country[i]}", unsafe_allow_html=True, ) st.markdown( f"Год выпуска: {year[i]}", unsafe_allow_html=True, ) st.markdown( f"Жанр: {genre[i]}", unsafe_allow_html=True, ) rating_display = ( "Нет информации" if pd.isna(rating[i]) else rating[i] ) st.markdown( f"Рейтинг: {rating_display}", unsafe_allow_html=True, ) st.markdown( "
В ролях:
", unsafe_allow_html=True, ) st.markdown( f"
{cast[i]}
", unsafe_allow_html=True, ) st.markdown( "
Описание:
", unsafe_allow_html=True, ) st.markdown( f"
{description[i]}
", unsafe_allow_html=True, ) score_display = round(score[i], 3) st.markdown( f"
Оценка FAISS (расстояние): {score_display}
", unsafe_allow_html=True, ) st.markdown("---")