PIbd-32_Kashin_M.I_API_CourseWork/model.py

import pickle
import numpy as np
import tensorflow as tf
from keras.src.legacy.preprocessing.text import Tokenizer
from keras.src.utils import pad_sequences

# Загрузка модели
model = tf.keras.models.load_model('.//neural_network/create_lstm/model/best_model_lstm_negative.keras')

# Загрузка токенизатора
with open('.//neural_network/create_lstm/tokenization/tokenizer_lstm_lstm_negative.pickle', 'rb') as handle:
    tokenizer = pickle.load(handle)

# Загрузка названий классов
with open('.//neural_network/create_lstm/class/class_names_lstm_negative.txt', 'r', encoding='utf-8') as file:
    class_names = [line.strip() for line in file.readlines()]

def preprocess_text(text: str):
    # Токенизация текста
    sequences = tokenizer.texts_to_sequences([text])
    # Преобразование последовательностей в фиксированной длины
    padded_sequences = pad_sequences(sequences, maxlen=90)  # 90 - длина последовательности, используемая при обучении
    return padded_sequences

def predict_answer(question: str) -> str:
    # Предобработка вопроса
    print("Вопрос:", question)
    input_data = preprocess_text(question)
    print("Предобработанные данные:", input_data)
    # Предсказание
    prediction = model.predict(input_data)
    print("Предсказание:", prediction)
    # Определение индекса класса с наибольшей вероятностью
    predicted_index = np.argmax(prediction[0])
    # Получение имени класса
    predicted_class = class_names[predicted_index]
    print("Предсказанный класс:", predicted_class)
    return predicted_class  # Возвращаем имя предсказанного класса