File size: 1,658 Bytes
689b444 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 |
import streamlit as st
import pickle
import numpy as np
import pandas as pd
# Modeli yükle
with open("anime_recommender_lightfm.pkl", "rb") as f:
data = pickle.load(f)
model = data["model"]
dataset = data["dataset"]
interactions = data["interactions"]
user_id_map = data["user_id_map"]
item_id_map = data["item_id_map"]
anime_df = data["anime"]
# Ters eşlemeler
reverse_user_map = {v: k for k, v in user_id_map.items()}
reverse_item_map = {v: k for k, v in item_id_map.items()}
# Başlık
st.title("🎌 Anime Tavsiye Sistemi (LightFM)")
# Kullanıcı seçimi
user_ids = list(user_id_map.keys())
user_id_input = st.selectbox("👤 Bir kullanıcı ID seçin:", user_ids)
# Kullanıcı indeksini al
user_index = user_id_map[user_id_input]
# Tüm anime indekslerini al
n_items = interactions.shape[1]
known_positives = interactions.tocsr()[user_index].indices
# Öneri skorlarını hesapla
scores = model.predict(user_ids=user_index, item_ids=np.arange(n_items))
top_items = np.argsort(-scores)
# Kullanıcının zaten izlediklerini göster
st.subheader("✅ İzledikleriniz:")
for idx in known_positives[:5]:
anime_id = reverse_item_map[idx]
title = anime_df[anime_df["anime_id"] == anime_id]["name"].values[0]
st.write("✔️", title)
# Önerilen anime'ler
st.subheader("🤖 Size Önerilenler:")
count = 0
for idx in top_items:
if idx not in known_positives:
anime_id = reverse_item_map[idx]
title = anime_df[anime_df["anime_id"] == anime_id]["name"].values[0]
st.write("⭐", title)
count += 1
if count >= 10:
break
|