def index_busqueda(request):
#Se generan las lista que se van a generar en el index
usuario_activo = request.user
usuario = Users.objects.get(pk=usuario_activo.id)
nombre_usuario = usuario.Nombre + " " + usuario.Apellido_p
# Carrusel de resultados de busqueda
texto_busqueda = ""
if request.GET.get('busqueda_main') is not None:
texto_busqueda = request.GET.get('busqueda_main')
productos_busqueda = busqueda.coincidencia(texto_busqueda)
productoExtra = Product_extras()
for cada_producto in productos_busqueda:
productoExtra = productoExtra.calculaPromedio(cada_producto)
# Carrusel de productos que te han gustado
productos_calificados = recomendaciones_contenido.productos_calificados(usuario)
for productoEvaluado in productos_calificados:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Carrusel de productos similares
productos_similares = recomendaciones_contenido.recomendacion_similares(usuario)
for productoEvaluado in productos_similares:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Recomendaciones por perfil
productos_perfil, metadatos_recomendacion4 = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
for productoEvaluado in productos_perfil:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Recomendaciones productos_fc
productos_fc = recomendaciones_filtrado_colaborativo.recomendaciones_fc(usuario)
for productoEvaluado in productos_fc:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Recomendaciones hibridas
recomendaciones_predictivas = recomendaciones_filtrado_colaborativo.recomendaciones_hibridas(productos_fc)
for productoEvaluado in recomendaciones_predictivas:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
template = loader.get_template('products/index.html')
perfil_usuario = recomendaciones_conocimiento.perfil_usuario(usuario)
context = {
'nombre_usuario_saludo': nombre_usuario,
'perfil': perfil_usuario,
'productos_busqueda': productos_busqueda,
'productos_calificados': productos_calificados,
'productos_similares': productos_similares,
'productos_perfil': productos_perfil,
'productos_predictivos': recomendaciones_predictivas,
'productos_fc': productos_fc
}
return HttpResponse(template.render(context, request))
def index_busqueda(request):
texto_busqueda = ""
if request.GET.get('busqueda_main') is not None:
texto_busqueda = request.GET.get('busqueda_main')
print texto_busqueda
if request.user.is_authenticated():
usuario = Users.objects.get(pk=request.user.id)
nombre_usuario = usuario.Nombre + " " + usuario.Apellido_p
else:
usuario = Users.objects.all()[3]
nombre_usuario = "Usuario anónimo"
# Carrusel de resultados de busqueda
productos_busqueda = busqueda.coincidencia(texto_busqueda)
# Carrusel de productos que te han gustado
calificaciones = Calificaciones.objects.filter(
users=usuario.id).values_list('product_id', flat=True)
print "lista:: ", calificaciones
productos_calificados = Product.objects.filter(pk__in=list(calificaciones))
# Carrusel de productos similares
productos_similares = clasificador_k_vecinos.k_vecinos_lista_productos(
productos_calificados, 15)
# Recomendaciones por perfil
productos_perfil, metadatos_recomendacion4 = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario)
# Recomendaciones de usuarios similares
recomendaciones_usuarios_similares = clasificador_k_vecinos.recomendaciones_usuarios_similares(
usuario)
# Recomendaciones productos_fc
productos_fc = clasificador_k_vecinos.recomendaciones_fc(usuario)
template = loader.get_template('products/index.html')
perfil_usuario = recomendaciones_conocimiento.perfil_usuario(usuario)
context = {
'nombre_usuario_saludo': nombre_usuario,
'perfil': perfil_usuario,
'productos_busqueda': productos_busqueda[:50],
'productos_calificados': productos_calificados,
'productos_similares': productos_similares[:50],
'productos_perfil': productos_perfil[:50],
'productos_contenido': recomendaciones_usuarios_similares[:50],
'productos_fc': productos_fc[:50]
}
return HttpResponse(template.render(context, request))
def index_busqueda(request):
texto_busqueda = ""
if request.GET.get('busqueda_main') is not None:
texto_busqueda = request.GET.get('busqueda_main')
print texto_busqueda
if request.user.is_authenticated():
usuario = Users.objects.get(pk=request.user.id)
nombre_usuario = usuario.Nombre + " " + usuario.Apellido_p
else:
usuario = Users.objects.all()[3]
nombre_usuario = "Usuario anónimo"
# Carrusel de resultados de busqueda
productos_busqueda = busqueda.coincidencia(texto_busqueda)
# Carrusel de productos que te han gustado
calificaciones = Calificaciones.objects.filter(users=usuario.id).values_list('product_id', flat=True)
print "lista:: ", calificaciones
productos_calificados = Product.objects.filter(pk__in=list(calificaciones))
# Carrusel de productos similares
productos_similares = clasificador_k_vecinos.k_vecinos_lista_productos(productos_calificados, 15)
# Recomendaciones por perfil
productos_perfil, metadatos_recomendacion4 = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
# Recomendaciones de usuarios similares
recomendaciones_usuarios_similares = clasificador_k_vecinos.recomendaciones_usuarios_similares(usuario)
# Recomendaciones productos_fc
productos_fc = clasificador_k_vecinos.recomendaciones_fc(usuario)
template = loader.get_template('products/index.html')
perfil_usuario = recomendaciones_conocimiento.perfil_usuario(usuario)
context = {
'nombre_usuario_saludo': nombre_usuario,
'perfil': perfil_usuario,
'productos_busqueda': productos_busqueda[:50],
'productos_calificados': productos_calificados,
'productos_similares': productos_similares[:50],
'productos_perfil': productos_perfil[:50],
'productos_contenido': recomendaciones_usuarios_similares[:50],
'productos_fc': productos_fc[:50]
}
return HttpResponse(template.render(context, request))
def index(request):
#Se generan las lista que se van a generar en el index
usuario_activo = request.user
usuario = Users.objects.get(pk=usuario_activo.id)
nombre_usuario = usuario.Nombre + " " + usuario.Apellido_p
## populate comments
# se insertan 10,000 comentarios de 1000 usuarios sobre 1000 productos, 10 por usuario
# se colectan 1000 usuarios al azar
#todos_usuarios = Users.objects.order_by('?')[:1000]
#todos_productos = Product.objects.order_by('?')[:1000]
#calificaciones_por_usuario = 10
#for cada_usuario in todos_usuarios:
# print "HEY: Ho ", cada_usuario.Nombre
# for i in range(0, calificaciones_por_usuario):
# valorCalificacion = random.randint(1, 5)
# producto_calificar = todos_productos[random.randint(0, len(todos_productos)-1)]
# comentario = comentarios_predefinidos[valorCalificacion]
# calificacionExistente = Calificaciones(product=producto_calificar, users=cada_usuario, calificacion_producto=valorCalificacion, comentario=comentario)
# print "cali: ", calificacionExistente
# calificacionExistente.save()
#valorCalificacion = request.POST.get('calificacion')
#calificacionExistente.calificacion_producto=valorCalificacion
#calificacionExistente.comentario=comentario
#calificacionExistente.save()
# Carrusel de resultados de busqueda
texto_busqueda = ""
if request.GET.get('busqueda_main') is not None:
texto_busqueda = request.GET.get('busqueda_main')
productos_busqueda = busqueda.coincidencia(texto_busqueda)
productoExtra = Product_extras()
for cada_producto in productos_busqueda:
productoExtra = productoExtra.calculaPromedio(cada_producto)
# Carrusel de productos que te han gustado
productos_calificados = recomendaciones_contenido.productos_calificados(usuario)
for productoEvaluado in productos_calificados:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Carrusel de productos similares
productos_similares = recomendaciones_contenido.recomendacion_similares(usuario)
for productoEvaluado in productos_similares:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Recomendaciones por perfil
productos_perfil, metadatos_recomendacion4 = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
for productoEvaluado in productos_perfil:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Recomendaciones productos_fc
productos_fc = recomendaciones_filtrado_colaborativo.recomendaciones_fc(usuario)
for productoEvaluado in productos_fc:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
# Recomendaciones hibridas
recomendaciones_predictivas = recomendaciones_filtrado_colaborativo.recomendaciones_hibridas(productos_fc)
for productoEvaluado in recomendaciones_predictivas:
productoExtra = productoExtra.calculaPromedio(productoEvaluado)
template = loader.get_template('products/index.html')
perfil_usuario = recomendaciones_conocimiento.perfil_usuario(usuario)
context = {
'nombre_usuario_saludo': nombre_usuario,
'perfil': perfil_usuario,
'productos_busqueda': productos_busqueda,
'productos_calificados': productos_calificados,
'productos_similares': productos_similares,
'productos_perfil': productos_perfil,
'productos_predictivos': recomendaciones_predictivas,
'productos_fc': productos_fc
}
return HttpResponse(template.render(context, request))
