stri.py

import streamlit as st
import torch
import numpy as np
import pandas as pd
from transformers import AutoTokenizer, AutoModel
import re
import pickle

st.title("Книжные рекомендации")

# Загрузка модели и токенизатора
model_name = "cointegrated/rubert-tiny2"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name, output_hidden_states=True)

# Загрузка датасета и аннотаций к книгам
books = pd.read_csv('books_6000.csv')
books.dropna(inplace=True)


books = books[books['annotation'].apply(lambda x: len(x.split()) >= 10)]
books.drop_duplicates(subset='title', keep='first', inplace=True)
books = books.reset_index(drop=True)


def data_preprocessing(text: str) -> str:
    text = re.sub(r'http\S+', " ", text)  # удаляем ссылки
    text = re.sub(r'@\w+', ' ', text)  # удаляем упоминания пользователей
    text = re.sub(r'#\w+', ' ', text)  # удаляем хэштеги
    text = re.sub(r'<.*?>', ' ', text)  # html tags
    return text


for i in ['author', 'title', 'annotation']:
    books[i] = books[i].apply(data_preprocessing)

annot = books['annotation']

# Получение эмбеддингов аннотаций каждой книги в датасете
max_len = 128

# Определение запроса пользователя
query = st.text_input("Введите запрос")

if st.button('**Generating recommendations**'):
    with open("book_embeddings.pkl", "rb") as f:
        book_embeddings = pickle.load(f)
        
    query_tokens = tokenizer.encode(query, add_special_tokens=True,
                                    truncation=True, max_length=max_len)
    
    query_padded = np.array(query_tokens + [0] * (max_len - len(query_tokens)))
    query_mask = np.where(query_padded != 0, 1, 0)
    
    # Переведем numpy массивы в тензоры PyTorch
    query_padded = torch.tensor(query_padded, dtype=torch.long)
    query_mask = torch.tensor(query_mask, dtype=torch.long)
    
    with torch.no_grad():
        query_embedding = model(query_padded.unsqueeze(0), query_mask.unsqueeze(0))
        query_embedding = query_embedding[0][:, 0, :] 
    
    # Вычисление косинусного расстояния между эмбеддингом запроса и каждой аннотацией
    cosine_similarities = torch.nn.functional.cosine_similarity(
        query_embedding.squeeze(0),
        torch.stack(book_embeddings)
    )

    cosine_similarities = cosine_similarities.numpy()
    
    indices = np.argsort(cosine_similarities)[::-1]  # Сортировка по убыванию
    
    for i in indices[:10]:
        st.write(books['title'][i])