update app.py

app.py

@@ -6,28 +6,28 @@ import pickle
 import pandas as pd
 import gradio as gr
 
-
 def generar_recomendacion(svd_model, user_id, df, genres, top=5):
-    # Filtrar las películas que correspondan a los géneros de interés
-    df_filtered = df[df[genres].any(axis=1)]
+    # Filtrar las películas que correspondan al usuario y a los géneros de interés
+    df_filtered = df[(df['user_id'] == user_id) & df[genres].any(axis=1)]
 
     # Crear un mapeo de id de película a título de película para una búsqueda más eficiente
     id_to_title = df_filtered.set_index('id')['title'].to_dict()
 
-    # Obtener las recomendaciones utilizando la función `apply` de pandas
-    predicted_ratings = df_filtered['id'].apply(lambda movie_id: svd_model.predict(int(user_id), movie_id).est)
+    # Obtener las recomendaciones utilizando la función `predict` del modelo SVD
+    recommended_movies = []
+    for movie_id in df_filtered['id'].unique():
+        predicted_rating = svd_model.predict(user_id, movie_id).est
+        recommended_movies.append((movie_id, predicted_rating))
 
     # Ordenar las películas según su predicción de rating
-    movie_rating = list(zip(df_filtered['id'], predicted_ratings))
-    movie_rating.sort(key=lambda x: x[1], reverse=True)
+    recommended_movies.sort(key=lambda x: x[1], reverse=True)
 
     # Obtener los títulos de las películas recomendadas
-    recommended_movies = movie_rating[:top]
-    recommended_titles = [id_to_title[movie_id] for movie_id, _ in recommended_movies]
+    recommended_titles = [id_to_title[movie_id] for movie_id, _ in recommended_movies[:top]]
 
     # Contar cuántas películas de cada género hay en las recomendaciones
     genre_counts = df_filtered[df_filtered['id'].isin([movie_id for movie_id, _ in recommended_movies])][genres].sum()
-    
+
     # Limpiar la figura
     plt.clf()
 
@@ -37,7 +37,6 @@ def generar_recomendacion(svd_model, user_id, df, genres, top=5):
     plt.ylabel('Cantidad')
     plt.title('Cantidad de Películas por Género en las Recomendaciones')
 
-
     # Guardar el gráfico como una imagen PNG en una cadena de bytes
     buf = io.BytesIO()
     plt.savefig(buf, format='png')
@@ -51,6 +50,8 @@ def generar_recomendacion(svd_model, user_id, df, genres, top=5):
     # Devolver la lista de títulos y el gráfico como una imagen
     return ', '.join(recommended_titles), im
 
+
+
     # Leer los datos
 dfmerge = pd.read_csv('merged_data7.csv')