upload app.py

app.py

@@ -0,0 +1,83 @@
+# -*- coding: utf-8 -*-
+"""DeployColab.ipynb
+
+Automatically generated by Colaboratory.
+
+Original file is located at
+    https://colab.research.google.com/drive/1CxHPmRuxSJrXJfa4tdmtTfPvE4tmfOlY
+"""
+
+import pandas as pd
+import numpy as np
+import ast
+
+!pip install gradio
+!pip install scikit-surprise
+
+from google.colab import drive
+drive.mount('/content/drive')
+
+dfmerge = pd.read_csv('/content/drive/MyDrive/merged_data6.csv')
+
+dfmerge.head()
+
+dfmerge = pd.read_csv('/content/drive/MyDrive/merged_data6.csv')
+
+dfmerge.head()
+
+import gradio as gr
+import pandas as pd
+import pickle
+from surprise import SVD
+
+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)]
+
+    # 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)
+
+    # 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)
+
+    # 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]
+
+    # Devolver la lista de títulos como una cadena
+    return ', '.join(recommended_titles)
+
+# Leer los datos
+dfmerge = pd.read_csv('/content/drive/MyDrive/merged_data6.csv')
+
+# Cargar el modelo
+with open('/content/drive/MyDrive/fc_model_svd_v1.pkl', 'rb') as file:
+    svd_model = pickle.load(file)
+
+def wrap_generar_recomendacion(user_id, drama, comedy, horror, romance, top=5):
+    # Crear la lista de géneros de interés a partir de las casillas de verificación
+    genres = []
+    if drama: genres.append('Drama')
+    if comedy: genres.append('Comedy')
+    if horror: genres.append('Horror')
+    if romance: genres.append('Romance')
+    
+    # Llamar a la función de recomendación y devolver los resultados como una cadena
+    return generar_recomendacion(svd_model, user_id, dfmerge, genres, int(top))
+
+# Definir la interfaz de Gradio
+demo = gr.Interface(
+    fn=wrap_generar_recomendacion,
+    inputs=["text", gr.inputs.Checkbox(label="Drama"), gr.inputs.Checkbox(label="Comedy"), gr.inputs.Checkbox(label="Horror"), gr.inputs.Checkbox(label="Romance"), "text"], 
+    outputs="text",
+    title="Sistema de recomendación de películas basado en filtro colaborativo",
+    description="Ingresa el ID del usuario (user_id), selecciona los géneros de interés y la cantidad de recomendaciones que te gustaría generar. Te mostraremos algunas películas que le pueden gustar.",
+    allow_flagging='auto'
+)
+
+# Lanzar la interfaz
+demo.launch()