app.py

from transformers import BertTokenizerFast, BertForSequenceClassification
from sentence_transformers import SentenceTransformer
from torch.nn.functional import cosine_similarity
import torch
from datasets import load_dataset
import pandas as pd
import gradio as gr

# Загрузка датасета
def load_data():
    dataset = load_dataset("wykonos/movies", split='train[:1400]')
    df = pd.DataFrame(dataset)
    
    # Обработка жанров
    df['genres'] = df['genres'].apply(
        lambda x: x.split('-') if isinstance(x, str) else []
    )
    
    # Исправление опечаток
    genre_corrections = {
        'hystery': 'mystery',
        'adventura': 'adventure',
        'nur': 'action'
    }
    
    df['genres'] = df['genres'].apply(
        lambda x: [genre_corrections.get(g.lower(), g).capitalize() for g in x]
    )
    
    return df

df = load_data()

# Загрузка модели
model_name = "AventIQ-AI/bert-movie-recommendation-system"
tokenizer = BertTokenizerFast.from_pretrained(model_name)
model = BertForSequenceClassification.from_pretrained(model_name)

# Сопоставление меток модели с жанрами
genre_labels = [
    "Action", "Adventure", "Animation", "Comedy", "Crime",
    "Documentary", "Drama", "Family", "Fantasy", "History",
    "Horror", "Music", "Mystery", "Romance", "Science Fiction",
    "TV Movie", "Thriller", "War", "Western"
]

model.config.id2label = {i: label for i, label in enumerate(genre_labels)}

# Функция предсказания
def predict_genres(text, threshold=0.3):
    inputs = tokenizer(
        text,
        max_length=128,
        padding=True,
        truncation=True,
        return_tensors="pt"
    )
    
    with torch.no_grad():
        outputs = model(**inputs)
    
    probs = torch.nn.functional.softmax(outputs.logits, dim=-1)
    predicted_indices = torch.where(probs > threshold)[1].tolist()
    
    return list(set([model.config.id2label[i] for i in predicted_indices]))
# Модель для текстовых эмбеддингов
embedding_model = SentenceTransformer("paraphrase-multilingual-mpnet-base-v2")

# Кодируем описания фильмов
df["overview"] = df["overview"].fillna("")  # если есть пропуски
vectors = embedding_model.encode(
    df["overview"].tolist(),
    convert_to_tensor=True,
    show_progress_bar=True
)

df["overview_vector"] = list(vectors)


def recommend_movies(query, top_k=5):
    try:
        # 1. Предсказание жанров
        genres = predict_genres(query)
        
        # 2. Кодируем сам запрос
        query_vector = embedding_model.encode([query], convert_to_tensor=True)[0]

        # 3. Считаем косинусное сходство с описаниями фильмов
        similarities = cosine_similarity(
            query_vector.unsqueeze(0),
            torch.stack(df["overview_vector"].tolist())
        ).squeeze(0)

        df["similarity"] = similarities.cpu().numpy()

        # 4. Объединяем семантику + жанры (опционально)
        # Можно фильтровать по жанрам или просто повысить вес фильмам с совпадающими жанрами
        def genre_score(row):
            return any(g in row["genres"] for g in genres)
        
        df["genre_boost"] = df.apply(genre_score, axis=1).astype(int)
        df["total_score"] = df["similarity"] + df["genre_boost"] * 0.15  # вес жанра

        # 5. Выбираем top_k
        results = df.sort_values(
            by="total_score", ascending=False
        ).head(top_k)

        # 6. Форматируем ответ
        output = []
        for _, row in results.iterrows():
            info = [
                f"🎬 {row['title']}",
                f"⭐ Рейтинг: {row['vote_average']}",
                f"🎭 Жанры: {', '.join(row['genres'])}",
                f"📅 Год: {row['release_date'][:4] if pd.notna(row['release_date']) else 'N/A'}",
                f"📖 {row['overview'][:300]}..."
            ]
            output.append("\n".join(info))
        
        return "\n\n".join(output) if output else "Нет результатов"

    except Exception as e:
        return f"Ошибка: {str(e)}"


# Создание интерфейса
interface = gr.Interface(
    fn=recommend_movies,
    inputs=gr.Textbox(label="Опишите желаемый фильм"),
    outputs=gr.Textbox(label="Рекомендации"),
    examples=[
        ["Страшный фильм с привидениями"],
        ["Веселая комедия про студентов"],
        ["Фантастика с космическими битвами"]
    ],
    title="🍿 AI Киносоветник"
)
if __name__ == "__main__":
    interface.launch()