Spaces:
Sleeping
Sleeping
| import streamlit as st | |
| from PIL import Image, ImageOps | |
| import matplotlib.pyplot as plt | |
| st.write(""" | |
| ## 📝 Итоги проекта Рекомендательные системы. | |
| """) | |
| """ | |
| ###### 1. Парсинг профильных сайтов, итоговый с kino.mail.ru. | |
| """ | |
| st.image('images/mem.jpg', width=400) | |
| """ | |
| ###### 2. Сбор и анализ информации с киносервисов. Формирование датасета. Итоговый размер - 14939 объектов. | |
| """ | |
| col1, col2 = st.columns(2) | |
| with col1: | |
| st.image('images/1.jpeg') | |
| with col2: | |
| st.image('images/2.jpeg') | |
| # st.image('images/1.png') | |
| """ | |
| ###### 3. Предобработка данных от лишных символов и пропусков. | |
| """ | |
| st.image('images/3.jpeg') | |
| st.image('images/4.jpeg') | |
| """ | |
| ###### 4. Векторизация с использованием очередной модели RuBERT | |
| """ | |
| st.write("По классике использовался rubert-base-cased-sentence от DeepPavlov") | |
| st.write("Предобученная на русском датасете модель для классификации текстов") | |
| st.write("Показала себя лучше, чем узкопрофильные модели от sentence_tran, т.к. они мультиязычные и имеют меньший словарный запас") | |
| st.write("rubert_tiny_2 также показал себя не с лучшей стороны") | |
| st.write("По процессу все стандартно, токенизация, пэдинг, обрезание...вектор") |