-
Notifications
You must be signed in to change notification settings - Fork 0
/
SR_Codigo.py
219 lines (118 loc) · 4.42 KB
/
SR_Codigo.py
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
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
#!/usr/bin/env python
# coding: utf-8
# In[192]:
#pip install wx
# In[213]:
import pandas as pd
from rake_nltk import Rake
from sklearn.metrics.pairwise import cosine_similarity
from sklearn.feature_extraction.text import CountVectorizer
import tkinter
# In[214]:
pd.set_option('display.max_columns', 100)
ES = pd.read_csv('C:/Users/G50/Desktop/SRBCC/SRBCC/Inventario_English.spanish/inventario_spanish.csv', error_bad_lines=False, encoding="latin-1")
ES.head()
# In[215]:
ES = ES[['Titulo', 'autores', 'materia']]
# In[216]:
ES['materia'] = ES['materia'].astype(str)
# In[217]:
#inicializando la columna
ES['palabras_clave'] = ""
for index, row in ES.iterrows():
materia = row['materia']
# instanciando rake, que utiliza las stopwords en el idioma ingles y descartando
# puntuaciones
r = Rake(language="spanish")
# extrayendo a las palabras y pasandolas al texto
r.extract_keywords_from_text(materia)
key_words_dict_scores = r.get_word_degrees()
# asignando las palabras clave a la columna palabras_clave
row['palabras_clave'] = list(key_words_dict_scores.keys())
# In[218]:
ES = ES.drop("materia", axis=1)
# In[219]:
ES.set_index('Titulo', inplace = True)
# In[220]:
ES['palabras'] = ''
columns = ES.columns
for index, row in ES.iterrows():
words = ''
for col in columns:
if col != 'autores':
words = words + ' '.join(row[col])+ ''
else:
words = words + row[col]+ ' '
row['palabras'] = words
ES.drop(columns = [col for col in ES.columns if col!= 'palabras'], inplace = True)
# In[221]:
count = CountVectorizer()
count_matrix = count.fit_transform(ES['palabras'])
# In[222]:
indices = pd.Series(ES.index)
cosine_sim = cosine_similarity(count_matrix, count_matrix)
# In[223]:
def recomendaciones(title, cosine_sim = cosine_sim):
recomendaciones_peliculas = []
# obteniendo el index que coincida con el titulo
idx = indices[indices == title].index[0]
# creando un listado con las puntuaciones de similitud en orden descendiente
score_series = pd.Series(cosine_sim[idx]).sort_values(ascending = False)
# obteniendo los index de los libros mas similares
top_5_indexes = list(score_series.iloc[1:11].index)
# ciclo for que muestra los 5 libros mas parecidos
for i in top_5_indexes:
recomendaciones_peliculas.append(list(ES.index)[i])
return recomendaciones_peliculas
# In[224]:
recomendaciones("mirada en dos tiempos")
# In[225]:
recomendaciones('pequeños contribuyentes fiscal 1')
# In[314]:
recomendaciones("capitan alatriste")
# In[354]:
count = CountVectorizer()
count_matrix = count.fit_transform(ES['palabras'])
indices = pd.Series(ES.index)
cosine_sim = cosine_similarity(count_matrix, count_matrix)
from tkinter import *
def hi():
global dave
dave = startEntry.get()
def recomendaciones(cosine_sim = cosine_sim):
recomendaciones_peliculas = []
# obteniendo el index que coincida con el titulo
idx = indices[indices == dave].index[0]
# creando un listado con las puntuaciones de similitud en orden descendiente
score_series = pd.Series(cosine_sim[idx]).sort_values(ascending = False)
# obteniendo los index de los libros mas similares
top_5_indexes = list(score_series.iloc[1:6].index)
# ciclo for que muestra los 5 libros mas parecidos
for i in top_5_indexes:
recomendaciones_peliculas.append(list(ES.index)[i])
label.config(text=recomendaciones_peliculas)
frame = Tk()
frame.title("Sistema de recomendacion")
frame.geometry("800x300")
frame.config(bg="#AEB6BF")
imagen=PhotoImage(file="book.png")
titulo = Label(frame, text="Sistema de recomendacion de la biblioteca de CU", font=(20))
titulo.place(x=300, y=100)
titulo.pack()
startLabel =Label(frame,text="Ingresa un libro de tu preferencia: ")
startLabel.place(x=250, y=250)
labelR=Label(frame, text="Recomendaciones:", bg="white", fg='black')
labelR.place(x=25, y=150)
label=Label(frame,text='...',bg='black',fg='white')
label.place(x=25,y=180)
startEntry=Entry(frame)
startLabel.pack()
startEntry.pack()
plotButton= Button(frame,text="Guardar", command=hi)
plotButton.config(fg = "black", bg = "white")
plotButton2= Button(frame,text="Obtener recomendaciones", command=recomendaciones)
plotButton2.config(fg = "white", bg = "black")
plotButton.pack()
plotButton2.pack()
frame.mainloop()
# In[ ]: