def index(request):
product_list = Product.objects.all()[1:3]
usuario = User.objects.all()[0]
product_list_2, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
template = loader.get_template("recomendador/index.html")
context = {"product_list": product_list_2, "metadatos_usuario": metadatos_recomendacion}
return HttpResponse(template.render(context, request))
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(request):
product_list = Product.objects.all()[1:3]
usuario = User.objects.all()[0]
product_list_2, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
template = loader.get_template('recomendador/index.html')
context = {
'product_list': product_list_2,
'metadatos_usuario': metadatos_recomendacion
}
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):
# Esta parte inserta calificaciones de manera aleatoria de los productos especificados
# productosx = Product.objects.all()
# usuariosx = Users.objects.all()[:10]
# for productox in productosx :
# for usuariox in usuariosx :
# try:
# calificacionE = Calificaciones.objects.get(product=productox, users=usuariox)
# except Calificaciones.DoesNotExist:
# comentario = ""
# valorCalif = random.randint(0, 5)
# calificacionE = Calificaciones(product=productox, users=usuariox, calificacion_producto=valorCalif, comentario=comentario)
# calificacionE.save()
#Aqui debería proponerse un algoritmo que calcule la calificacion promedio de cada producto
#de manera diaria - Si el promedio es el del dia no se recalculará.
#En caso de que el promedio sea del dia anterior se recalculará el promedio de manera automática
#en cuanto se cargue esta página
#Evitando de esta manera que el servidor se sobrecargue y el promedio este en tiempo real
#Se generan las lista que se van a generar en el index
product_list = Product.objects.all()[1:3]
usuario_activo = request.user
usuario = Users.objects.get(pk=usuario_activo.id)
latest_productos_list_new, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario)
latest_productos_list = Product.objects.all()[:20]
for productoEvaluado in latest_productos_list:
suma = 0.0
n = 1
try:
calificacionesExistentes = Calificaciones.objects.filter(
product=productoEvaluado)
for calificacionExistente in calificacionesExistentes:
suma = suma + calificacionExistente.calificacion_producto
n = n + 1
calificacion_promedio = suma / (n - 1)
if calificacion_promedio >= 0 and calificacion_promedio <= 0.5:
calificacion_promedio = 0.50
if calificacion_promedio > 0.5 and calificacion_promedio <= 1.0:
calificacion_promedio = 1.00
if calificacion_promedio > 1.0 and calificacion_promedio <= 1.5:
calificacion_promedio = 1.50
if calificacion_promedio > 1.5 and calificacion_promedio <= 2.0:
calificacion_promedio = 2.00
if calificacion_promedio > 2.0 and calificacion_promedio <= 2.5:
calificacion_promedio = 2.50
if calificacion_promedio > 2.5 and calificacion_promedio <= 3.0:
calificacion_promedio = 3.00
if calificacion_promedio > 3.0 and calificacion_promedio <= 3.5:
calificacion_promedio = 3.50
if calificacion_promedio > 3.5 and calificacion_promedio <= 4.0:
calificacion_promedio = 4.00
if calificacion_promedio > 4.0 and calificacion_promedio <= 4.5:
calificacion_promedio = 4.50
if calificacion_promedio > 4.5 and calificacion_promedio <= 5.0:
calificacion_promedio = 5.00
except Calificaciones.DoesNotExist:
calificacionesExistentes = None
calificacion_promedio = 0.0
try:
productoExtra = Product_extras.objects.get(
Product=productoEvaluado)
productoExtra.Calificacion_promedio = calificacion_promedio
except Product_extras.DoesNotExist:
productoExtra = Product_extras(
Product=productoEvaluado,
Calificacion_promedio=calificacion_promedio,
Precio=0.00,
Descuento=0.00)
productoExtra.save()
usuario2 = Users.objects.all()[0]
latest_productos_list2, metadatos_recomendacion2 = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario2)
usuario3 = Users.objects.all()[0]
latest_productos_list3, metadatos_recomendacion3 = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario3)
usuario4 = Users.objects.all()[0]
latest_productos_list4, metadatos_recomendacion4 = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario4)
template = loader.get_template('products/index.html')
context = {
'latest_productos_list': latest_productos_list[:100],
'metadatos_usuario': metadatos_recomendacion,
'latest_productos_list2': latest_productos_list2[:100],
'metadatos_usuario2': metadatos_recomendacion2,
'latest_productos_list3': latest_productos_list3[:100],
'metadatos_usuario3': metadatos_recomendacion3,
'latest_productos_list4': latest_productos_list4[:100],
'metadatos_usuario4': metadatos_recomendacion4
}
return HttpResponse(template.render(context, request))
def detail(request, product_id):
#Buscar Lista de Productos recomendados para el usuario
valorCalificacion = 0
usuario_activo = request.user
usuario = Users.objects.get(pk=usuario_activo.id)
product_list = Product.objects.all()[1:3]
latest_productos_list, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario)
#Busca el producto seleccionado
Producto = get_object_or_404(Product, pk=product_id)
#Busca objeto de Producto con calificacion para el usuario
try:
calificacionExistente = Calificaciones.objects.get(product=Producto,
users=usuario)
except Calificaciones.DoesNotExist:
comentario = ""
valorCalificacion = 0
calificacionExistente = Calificaciones(
product=Producto,
users=usuario,
calificacion_producto=valorCalificacion,
comentario=comentario)
if request.POST.get('comentario') is not None:
comentario = request.POST.get('comentario')
# comentario = unicode(comentario, "utf-8")
calificacionExistente.calificacion_producto = valorCalificacion
calificacionExistente.comentario = comentario
calificacionExistente.save()
else:
if calificacionExistente.comentario is not None:
comentario = calificacionExistente.comentario
else:
comentario = ""
if request.POST.get('calificacion') is not None:
valorCalificacion = request.POST.get('calificacion')
# calificacionExistente = Calificacionx(productx=Producto, userx=usuario, calificacion_producto=valorCalificacion, comentario=comentario)
calificacionExistente.calificacion_producto = valorCalificacion
calificacionExistente.comentario = comentario
calificacionExistente.save()
else:
if calificacionExistente.calificacion_producto is not None:
valorCalificacion = calificacionExistente.calificacion_producto
else:
valorCalificacion = 0
#Busca comentarios del mismo Producto por otros usuarios
try:
comentariosExistentes = Calificaciones.objects.filter(
product=Producto).exclude(
users=usuario).order_by('-fecha').select_related('users')
except Calificaciones.DoesNotExist:
comentariosExistentes = None
#Construcción del template y envío de Respuesta
template = loader.get_template('products/detail.html')
context = {
'latest_productos_list': latest_productos_list[:150],
'metadatos_usuario': metadatos_recomendacion,
'Producto': Producto,
'id_user': usuario_activo.id,
'calificacionExistente': calificacionExistente,
'comentario': comentario,
'valorCalificacion': valorCalificacion,
'comentariosExistentes': comentariosExistentes
}
return HttpResponse(template.render(context, request))
def recomendaciones_xti(usuario):
# Se generan las lista que se van a presentar en el index
nombre_usuario = (
usuario.Nombre.encode("utf-8").lower().capitalize()
+ " "
+ usuario.Apellido_p.encode("utf-8").lower().capitalize()
)
ciudad_usuario = usuario.Ciudad.encode("utf-8").lower().capitalize()
contacto_usuario = usuario.Contacto.encode("utf-8").lower()
listas_productos = []
configuracion_layout = Listas_recomendadores_config.objects.all().order_by("secuencia")
for cada_c in configuracion_layout:
titulo = cada_c.titulo_interfaz
algoritmo = cada_c.algoritmo_recomendador
longitud = cada_c.longitud_max
parametro = cada_c.param
if algoritmo == "calificados":
# Carrusel de productos que te han gustado
productos_calificados = recomendaciones_contenido.productos_calificados_rec(usuario, longitud)
if len(productos_calificados) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_calificados})
else:
print "No hay productos en Productos que has calificado"
elif algoritmo == "comentados_ciudad":
# Recomendaciones lo mas comentado en tu ciudad
productos_comentados_ciudad = busqueda.productos_comentados_ciudad(longitud, ciudad_usuario)
if len(productos_comentados_ciudad) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_comentados_ciudad})
else:
print "No hay productos en Lo más comentado en tu ciudad"
elif algoritmo == "reglas_perfil":
# Recomendaciones por perfil
productos_perfil = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
if len(productos_perfil) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_perfil})
else:
print "No hay productos en Recomendaciones a tu pefil"
elif algoritmo == "nuevos":
# Alianzas nuevas en tu ciudad
productos_nuevos = busqueda.productos_nuevos(longitud, parametro)
if len(productos_nuevos) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_nuevos})
else:
print "No hay productos en Nuevas alianzas X-ti"
elif algoritmo == "usuario_similar_demografico":
# Recomendaciones usuarios socialmente similares
productos_usuarios_similares = recomendaciones_contenido.recomendaciones_usuarios_similares(
usuario, longitud
)
if len(productos_usuarios_similares) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_usuarios_similares})
else:
print "No hay productos en Usuarios como tú recomiendan"
elif algoritmo == "productos_similares_gustado":
# Carrusel de productos similares
productos_similares = recomendaciones_contenido.recomendacion_similares(usuario, longitud)
if len(productos_similares) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_similares})
else:
print "No hay productos en Productos similares a los que te han gustado"
elif algoritmo == "filtrado_colaborativo":
# Recomendaciones productos_fc
productos_fc = recomendaciones_filtrado_colaborativo.recomendaciones_fc(usuario, longitud)
if len(productos_fc) > 0:
listas_productos.append({"titulo": titulo, "productos": productos_fc})
else:
print "No hay productos en Usuarios con gustos similares les han gustado"
elif algoritmo == "hibrido":
# Recomendaciones hibridas
recomendaciones_predictivas = recomendaciones_filtrado_colaborativo.recomendaciones_hibridas(
productos_fc, longitud
)
if len(recomendaciones_predictivas) > 0:
listas_productos.append({"titulo": titulo, "productos": recomendaciones_predictivas})
else:
print "No hay productos en Productos interesantes para tí"
return listas_productos
def recomendaciones_xti(usuario):
#Se generan las lista que se van a presentar en el index
nombre_usuario = usuario.Nombre.encode("utf-8").lower().capitalize(
) + " " + usuario.Apellido_p.encode("utf-8").lower().capitalize()
ciudad_usuario = usuario.Ciudad.encode("utf-8").lower().capitalize()
contacto_usuario = usuario.Contacto.encode("utf-8").lower()
listas_productos = []
# Carrusel de productos que te han gustado
productos_calificados = recomendaciones_contenido.productos_calificados(
usuario)
if len(productos_calificados) > 0:
listas_productos.append({
'titulo': 'Productos que has calificado',
'productos': productos_calificados
})
else:
print "No hay productos en Productos que has calificado"
# Recomendaciones lo mas comentado en tu ciudad
productos_comentados_ciudad = busqueda.productos_comentados_ciudad(
15, ciudad_usuario)
if len(productos_comentados_ciudad) > 0:
listas_productos.append({
'titulo': 'Lo más comentado en tu ciudad',
'productos': productos_comentados_ciudad
})
else:
print "No hay productos en Lo más comentado en tu ciudad"
# Recomendaciones por perfil
productos_perfil = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario)
if len(productos_perfil) > 0:
listas_productos.append({
'titulo': 'Recomendaciones a tu pefil',
'productos': productos_perfil
})
else:
print "No hay productos en Recomendaciones a tu pefil"
# Alianzas nuevas en tu ciudad
productos_nuevos = busqueda.productos_nuevos(15, 90)
if len(productos_nuevos) > 0:
listas_productos.append({
'titulo': 'Nuevas alianzas X-ti',
'productos': productos_nuevos
})
else:
print "No hay productos en Nuevas alianzas X-ti"
# Recomendaciones usuarios socialmente similares
productos_usuarios_similares = recomendaciones_contenido.recomendaciones_usuarios_similares(
usuario, 15)
if len(productos_usuarios_similares) > 0:
listas_productos.append({
'titulo': 'Usuarios como tú recomiendan',
'productos': productos_usuarios_similares
})
else:
print "No hay productos en Usuarios como tú recomiendan"
# Carrusel de productos similares
productos_similares = recomendaciones_contenido.recomendacion_similares(
usuario)
if len(productos_similares) > 0:
listas_productos.append({
'titulo': 'Productos similares a los que te han gustado',
'productos': productos_similares
})
else:
print "No hay productos en Productos similares a los que te han gustado"
# Recomendaciones productos_fc
productos_fc = recomendaciones_filtrado_colaborativo.recomendaciones_fc(
usuario)
if len(productos_fc) > 0:
listas_productos.append({
'titulo': 'Usuarios con gustos similares les han gustado',
'productos': productos_fc
})
else:
print "No hay productos en Usuarios con gustos similares les han gustado"
# Recomendaciones hibridas
recomendaciones_predictivas = recomendaciones_filtrado_colaborativo.recomendaciones_hibridas(
productos_fc)
if len(recomendaciones_predictivas) > 0:
listas_productos.append({
'titulo': 'Productos interesantes para tí',
'productos': recomendaciones_predictivas
})
else:
print "No hay productos en Productos interesantes para tí"
return listas_productos
def recomendaciones_xti(usuario):
#Se generan las lista que se van a presentar en el index
nombre_usuario = usuario.Nombre.encode("utf-8").lower().capitalize() + " " + usuario.Apellido_p.encode("utf-8").lower().capitalize()
ciudad_usuario = usuario.Ciudad.encode("utf-8").lower().capitalize()
contacto_usuario = usuario.Contacto.encode("utf-8").lower()
listas_productos = []
# Carrusel de productos que te han gustado
productos_calificados = recomendaciones_contenido.productos_calificados(usuario)
if len(productos_calificados) > 0:
listas_productos.append({'titulo': 'Productos que has calificado', 'productos': productos_calificados})
else:
print "No hay productos en Productos que has calificado"
# Recomendaciones lo mas comentado en tu ciudad
productos_comentados_ciudad = busqueda.productos_comentados_ciudad(15, ciudad_usuario)
if len(productos_comentados_ciudad) > 0:
listas_productos.append({'titulo': 'Lo más comentado en tu ciudad', 'productos': productos_comentados_ciudad})
else:
print "No hay productos en Lo más comentado en tu ciudad"
# Recomendaciones por perfil
productos_perfil = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
if len(productos_perfil) > 0:
listas_productos.append({'titulo': 'Recomendaciones a tu pefil', 'productos': productos_perfil})
else:
print "No hay productos en Recomendaciones a tu pefil"
# Alianzas nuevas en tu ciudad
productos_nuevos = busqueda.productos_nuevos(15, 90)
if len(productos_nuevos) > 0:
listas_productos.append({'titulo': 'Nuevas alianzas X-ti', 'productos': productos_nuevos})
else:
print "No hay productos en Nuevas alianzas X-ti"
# Recomendaciones usuarios socialmente similares
productos_usuarios_similares = recomendaciones_contenido.recomendaciones_usuarios_similares(usuario, 15)
if len(productos_usuarios_similares) > 0:
listas_productos.append({'titulo': 'Usuarios como tú recomiendan', 'productos': productos_usuarios_similares})
else:
print "No hay productos en Usuarios como tú recomiendan"
# Carrusel de productos similares
productos_similares = recomendaciones_contenido.recomendacion_similares(usuario)
if len(productos_similares) > 0:
listas_productos.append({'titulo': 'Productos similares a los que te han gustado', 'productos': productos_similares})
else:
print "No hay productos en Productos similares a los que te han gustado"
# Recomendaciones productos_fc
productos_fc = recomendaciones_filtrado_colaborativo.recomendaciones_fc(usuario)
if len(productos_fc) > 0:
listas_productos.append({'titulo': 'Usuarios con gustos similares les han gustado', 'productos': productos_fc})
else:
print "No hay productos en Usuarios con gustos similares les han gustado"
# Recomendaciones hibridas
recomendaciones_predictivas = recomendaciones_filtrado_colaborativo.recomendaciones_hibridas(productos_fc)
if len(recomendaciones_predictivas) > 0:
listas_productos.append({'titulo': 'Productos interesantes para tí', 'productos': recomendaciones_predictivas})
else:
print "No hay productos en Productos interesantes para tí"
return listas_productos
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))
def detail(request, product_id):
#Buscar Lista de Productos recomendados para el usuario
valorCalificacion = 0
usuario_activo = request.user
usuario = Users.objects.get(pk=usuario_activo.id)
latest_productos_list, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
latest_productos_list = recomendaciones_contenido.k_vecinos_productos(product_id, 10)
#Busca el producto seleccionado
Producto = get_object_or_404(Product, pk=product_id)
#Busca objeto de Producto con calificacion para el usuario
try:
calificacionExistente = Calificaciones.objects.get(product=Producto, users=usuario)
except Calificaciones.DoesNotExist:
comentario = ""
valorCalificacion = 0
calificacionExistente = Calificaciones(product=Producto, users=usuario, calificacion_producto=valorCalificacion, comentario=comentario)
if request.POST.get('comentario') is not None:
comentario = request.POST.get('comentario')
calificacionExistente.calificacion_producto=valorCalificacion
calificacionExistente.comentario=comentario
calificacionExistente.save()
else:
if calificacionExistente.comentario is not None:
comentario = calificacionExistente.comentario
else:
comentario = ""
if request.POST.get('calificacion') is not None:
valorCalificacion = request.POST.get('calificacion')
calificacionExistente.calificacion_producto=valorCalificacion
calificacionExistente.comentario=comentario
calificacionExistente.save()
else:
if calificacionExistente.calificacion_producto is not None:
valorCalificacion = calificacionExistente.calificacion_producto
else:
valorCalificacion = 0
#Busca comentarios del mismo Producto por otros usuarios
try:
comentariosExistentes = Calificaciones.objects.filter(product=Producto).order_by('-fecha').select_related('users')[:20]
except Calificaciones.DoesNotExist:
comentariosExistentes = None
#Construccion del template y envio de Respuesta
template = loader.get_template('products/detail.html')
context = {
'latest_productos_list': latest_productos_list[:100],
'metadatos_usuario': metadatos_recomendacion,
'Producto': Producto,
'id_user': usuario_activo.id,
'calificacionExistente': calificacionExistente,
'comentario': comentario,
'valorCalificacion': valorCalificacion,
'comentariosExistentes': comentariosExistentes
}
return HttpResponse(template.render(context, request))
def detail(request, product_id):
#Buscar Lista de Productos recomendados para el usuario
valorCalificacion = 0
usuario = Users.objects.get(pk=request.user.id)
product_list = Product.objects.all()[1:3]
#Busca el producto seleccionado
Producto = get_object_or_404(Product, pk=product_id)
latest_productos_list, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
latest_productos_list = clasificador_k_vecinos.k_vecinos_productos(product_id, 20)
print "In views detail: product count: ", len(latest_productos_list)
#Busca objeto de Producto con calificacion para el usuario
try:
calificacionExistente = Calificaciones.objects.get(product=Producto, users=usuario)
except Calificaciones.DoesNotExist:
comentario = ""
valorCalificacion = 0
calificacionExistente = Calificaciones(product=Producto, users=usuario, calificacion_producto=valorCalificacion, comentario=comentario)
if request.POST.get('comentario') is not None:
comentario = request.POST.get('comentario')
# comentario = unicode(comentario, "utf-8")
calificacionExistente.calificacion_producto=valorCalificacion
calificacionExistente.comentario=comentario
calificacionExistente.save()
else:
if calificacionExistente.comentario is not None:
comentario = calificacionExistente.comentario
else:
comentario = ""
if request.POST.get('calificacion') is not None:
valorCalificacion = request.POST.get('calificacion')
# calificacionExistente = Calificacionx(productx=Producto, userx=usuario, calificacion_producto=valorCalificacion, comentario=comentario)
calificacionExistente.calificacion_producto=valorCalificacion
calificacionExistente.comentario=comentario
calificacionExistente.save()
else:
if calificacionExistente.calificacion_producto is not None:
valorCalificacion = calificacionExistente.calificacion_producto
else:
valorCalificacion = 0
#Construcción del template y envío de Respuesta
template = loader.get_template('products/detail.html')
context = {
'latest_productos_list': latest_productos_list[:100],
'metadatos_usuario': metadatos_recomendacion,
'Producto': Producto,
'id_user': usuario.id,
'calificacionExistente': calificacionExistente,
'comentario': comentario,
'valorCalificacion': valorCalificacion
}
return HttpResponse(template.render(context, request))
def index(request):
# Esta parte inserta calificaciones de manera aleatoria de los productos especificados
# productosx = Product.objects.all()
# usuariosx = Users.objects.all()[:10]
# for productox in productosx :
# for usuariox in usuariosx :
# try:
# calificacionE = Calificaciones.objects.get(product=productox, users=usuariox)
# except Calificaciones.DoesNotExist:
# comentario = ""
# valorCalif = random.randint(0, 5)
# calificacionE = Calificaciones(product=productox, users=usuariox, calificacion_producto=valorCalif, comentario=comentario)
# calificacionE.save()
#Aqui debería proponerse un algoritmo que calcule la calificacion promedio de cada producto
#de manera diaria - Si el promedio es el del dia no se recalculará.
#En caso de que el promedio sea del dia anterior se recalculará el promedio de manera automática
#en cuanto se cargue esta página
#Evitando de esta manera que el servidor se sobrecargue y el promedio este en tiempo real
#Se generan las lista que se van a generar en el index
product_list = Product.objects.all()[1:3]
usuario_activo = request.user
usuario = Users.objects.get(pk=usuario_activo.id)
latest_productos_list_new, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(usuario)
latest_productos_list = Product.objects.all()[:20]
for productoEvaluado in latest_productos_list:
suma = 0.0
n = 1
try:
calificacionesExistentes = Calificaciones.objects.filter(product=productoEvaluado)
for calificacionExistente in calificacionesExistentes:
suma = suma + calificacionExistente.calificacion_producto
n = n + 1
calificacion_promedio = suma/(n-1)
if calificacion_promedio >= 0 and calificacion_promedio <= 0.5:
calificacion_promedio = 0.50
if calificacion_promedio > 0.5 and calificacion_promedio <= 1.0:
calificacion_promedio = 1.00
if calificacion_promedio > 1.0 and calificacion_promedio <= 1.5:
calificacion_promedio = 1.50
if calificacion_promedio > 1.5 and calificacion_promedio <= 2.0:
calificacion_promedio = 2.00
if calificacion_promedio > 2.0 and calificacion_promedio <= 2.5:
calificacion_promedio = 2.50
if calificacion_promedio > 2.5 and calificacion_promedio <= 3.0:
calificacion_promedio = 3.00
if calificacion_promedio > 3.0 and calificacion_promedio <= 3.5:
calificacion_promedio = 3.50
if calificacion_promedio > 3.5 and calificacion_promedio <= 4.0:
calificacion_promedio = 4.00
if calificacion_promedio > 4.0 and calificacion_promedio <= 4.5:
calificacion_promedio = 4.50
if calificacion_promedio > 4.5 and calificacion_promedio <= 5.0:
calificacion_promedio = 5.00
except Calificaciones.DoesNotExist:
calificacionesExistentes = None
calificacion_promedio = 0.0
try:
productoExtra = Product_extras.objects.get(Product=productoEvaluado);
productoExtra.Calificacion_promedio = calificacion_promedio
except Product_extras.DoesNotExist:
productoExtra = Product_extras(Product=productoEvaluado, Calificacion_promedio=calificacion_promedio, Precio=0.00, Descuento=0.00);
productoExtra.save()
usuario2 = Users.objects.all()[0]
latest_productos_list2, metadatos_recomendacion2 = recomendaciones_conocimiento.recomendacion_por_reglas(usuario2)
usuario3 = Users.objects.all()[0]
latest_productos_list3, metadatos_recomendacion3 = recomendaciones_conocimiento.recomendacion_por_reglas(usuario3)
usuario4 = Users.objects.all()[0]
latest_productos_list4, metadatos_recomendacion4 = recomendaciones_conocimiento.recomendacion_por_reglas(usuario4)
template = loader.get_template('products/index.html')
context = {
'latest_productos_list': latest_productos_list[:100],
'metadatos_usuario': metadatos_recomendacion,
'latest_productos_list2': latest_productos_list2[:100],
'metadatos_usuario2': metadatos_recomendacion2,
'latest_productos_list3': latest_productos_list3[:100],
'metadatos_usuario3': metadatos_recomendacion3,
'latest_productos_list4': latest_productos_list4[:100],
'metadatos_usuario4': metadatos_recomendacion4
}
return HttpResponse(template.render(context, request))
def detail(request, product_id):
#Buscar Lista de Productos recomendados para el usuario
valorCalificacion = 0
usuario = Users.objects.get(pk=request.user.id)
product_list = Product.objects.all()[1:3]
#Busca el producto seleccionado
Producto = get_object_or_404(Product, pk=product_id)
latest_productos_list, metadatos_recomendacion = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario)
latest_productos_list = clasificador_k_vecinos.k_vecinos_productos(
product_id, 20)
print "In views detail: product count: ", len(latest_productos_list)
#Busca objeto de Producto con calificacion para el usuario
try:
calificacionExistente = Calificaciones.objects.get(product=Producto,
users=usuario)
except Calificaciones.DoesNotExist:
comentario = ""
valorCalificacion = 0
calificacionExistente = Calificaciones(
product=Producto,
users=usuario,
calificacion_producto=valorCalificacion,
comentario=comentario)
if request.POST.get('comentario') is not None:
comentario = request.POST.get('comentario')
# comentario = unicode(comentario, "utf-8")
calificacionExistente.calificacion_producto = valorCalificacion
calificacionExistente.comentario = comentario
calificacionExistente.save()
else:
if calificacionExistente.comentario is not None:
comentario = calificacionExistente.comentario
else:
comentario = ""
if request.POST.get('calificacion') is not None:
valorCalificacion = request.POST.get('calificacion')
# calificacionExistente = Calificacionx(productx=Producto, userx=usuario, calificacion_producto=valorCalificacion, comentario=comentario)
calificacionExistente.calificacion_producto = valorCalificacion
calificacionExistente.comentario = comentario
calificacionExistente.save()
else:
if calificacionExistente.calificacion_producto is not None:
valorCalificacion = calificacionExistente.calificacion_producto
else:
valorCalificacion = 0
#Construcción del template y envío de Respuesta
template = loader.get_template('products/detail.html')
context = {
'latest_productos_list': latest_productos_list[:100],
'metadatos_usuario': metadatos_recomendacion,
'Producto': Producto,
'id_user': usuario.id,
'calificacionExistente': calificacionExistente,
'comentario': comentario,
'valorCalificacion': valorCalificacion
}
return HttpResponse(template.render(context, request))
def recomendaciones_xti(usuario):
#Se generan las lista que se van a presentar en el index
nombre_usuario = usuario.Nombre.encode("utf-8").lower().capitalize(
) + " " + usuario.Apellido_p.encode("utf-8").lower().capitalize()
ciudad_usuario = usuario.Ciudad.encode("utf-8").lower().capitalize()
contacto_usuario = usuario.Contacto.encode("utf-8").lower()
listas_productos = []
configuracion_layout = Listas_recomendadores_config.objects.all().order_by(
'secuencia')
for cada_c in configuracion_layout:
titulo = cada_c.titulo_interfaz
algoritmo = cada_c.algoritmo_recomendador
longitud = cada_c.longitud_max
parametro = cada_c.param
if algoritmo == "calificados":
# Carrusel de productos que te han gustado
productos_calificados = recomendaciones_contenido.productos_calificados_rec(
usuario, longitud)
if len(productos_calificados) > 0:
listas_productos.append({
'titulo': titulo,
'productos': productos_calificados
})
else:
print "No hay productos en Productos que has calificado"
elif algoritmo == "comentados_ciudad":
# Recomendaciones lo mas comentado en tu ciudad
productos_comentados_ciudad = busqueda.productos_comentados_ciudad(
longitud, ciudad_usuario)
if len(productos_comentados_ciudad) > 0:
listas_productos.append({
'titulo':
titulo,
'productos':
productos_comentados_ciudad
})
else:
print "No hay productos en Lo más comentado en tu ciudad"
elif algoritmo == "reglas_perfil":
# Recomendaciones por perfil
productos_perfil = recomendaciones_conocimiento.recomendacion_por_reglas(
usuario)
if len(productos_perfil) > 0:
listas_productos.append({
'titulo': titulo,
'productos': productos_perfil
})
else:
print "No hay productos en Recomendaciones a tu pefil"
elif algoritmo == "nuevos":
# Alianzas nuevas en tu ciudad
productos_nuevos = busqueda.productos_nuevos(longitud, parametro)
if len(productos_nuevos) > 0:
listas_productos.append({
'titulo': titulo,
'productos': productos_nuevos
})
else:
print "No hay productos en Nuevas alianzas X-ti"
elif algoritmo == "usuario_similar_demografico":
# Recomendaciones usuarios socialmente similares
productos_usuarios_similares = recomendaciones_contenido.recomendaciones_usuarios_similares(
usuario, longitud)
if len(productos_usuarios_similares) > 0:
listas_productos.append({
'titulo':
titulo,
'productos':
productos_usuarios_similares
})
else:
print "No hay productos en Usuarios como tú recomiendan"
elif algoritmo == "productos_similares_gustado":
# Carrusel de productos similares
productos_similares = recomendaciones_contenido.recomendacion_similares(
usuario, longitud)
if len(productos_similares) > 0:
listas_productos.append({
'titulo': titulo,
'productos': productos_similares
})
else:
print "No hay productos en Productos similares a los que te han gustado"
elif algoritmo == "filtrado_colaborativo":
# Recomendaciones productos_fc
productos_fc = recomendaciones_filtrado_colaborativo.recomendaciones_fc(
usuario, longitud)
if len(productos_fc) > 0:
listas_productos.append({
'titulo': titulo,
'productos': productos_fc
})
else:
print "No hay productos en Usuarios con gustos similares les han gustado"
elif algoritmo == "hibrido":
# Recomendaciones hibridas
recomendaciones_predictivas = recomendaciones_filtrado_colaborativo.recomendaciones_hibridas(
productos_fc, longitud)
if len(recomendaciones_predictivas) > 0:
listas_productos.append({
'titulo':
titulo,
'productos':
recomendaciones_predictivas
})
else:
print "No hay productos en Productos interesantes para tí"
return listas_productos
