Upload 2 files

stri.py

@@ -0,0 +1,65 @@
+import streamlit as st
+import torch
+import numpy as np
+import pandas as pd
+from transformers import AutoTokenizer, AutoModel
+
+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('book_train.csv')
+annot = books['annotation']
+
+# Предобработка аннотаций и получение эмбеддингов
+embeddings = []
+for annotation in annot:
+    annotation_tokens = tokenizer.encode_plus(
+        annotation,
+        add_special_tokens=True,
+        max_length=128,
+        pad_to_max_length=True,
+        return_tensors='pt'
+    )
+
+    with torch.no_grad():
+        outputs = model(**annotation_tokens)
+        hidden_states = outputs.hidden_states
+        last_hidden_state = hidden_states[-2]
+        embeddings.append(torch.mean(last_hidden_state, dim=1).squeeze())
+
+# Получение эмбеддинга запроса от пользователя
+query = st.text_input("Введите запрос")
+query_tokens = tokenizer.encode_plus(
+    query,
+    add_special_tokens=True,
+    max_length=128,
+    pad_to_max_length=True,
+    return_tensors='pt'
+)
+
+# Проверка, был ли введен запрос
+if query:
+    with torch.no_grad():
+        query_outputs = model(**query_tokens)
+        query_hidden_states = query_outputs.hidden_states
+        query_last_hidden_state = query_hidden_states[-2]
+        query_embedding = torch.mean(query_last_hidden_state, dim=1).squeeze()
+
+    # Вычисление косинусного расстояния между эмбеддингом запроса и каждой аннотацией
+    cosine_similarities = torch.nn.functional.cosine_similarity(
+        query_embedding.unsqueeze(0),
+        torch.stack(embeddings)
+    )
+
+    cosine_similarities = cosine_similarities.numpy()
+
+    indices = np.argsort(cosine_similarities)[::-1]
+
+    st.header("Рекомендации")
+    for i in indices[:10]:
+        st.write(books['title'][i])