import streamlit as st
import tensorflow as tf
from tensorflow.keras.datasets import imdb
from tensorflow.keras.preprocessing.sequence import pad_sequences

word_index = imdb.get_word_index()
maximo_num_palabras = 20000

model = tf.keras.models.load_model("opiniones.h5")

def reviewnueva(review, word_index, maximo_num_palabras):
  sequence = []
  for word in review.split():
    index = word_index.get(word.lower(), 0)
    if index < maximo_num_palabras:
      sequence.append(index)
  return sequence
    
def predict_sentimiento(review):
    sequence = reviewnueva(review, word_index, maximo_num_palabras)
    nuevareviewpad = tf.keras.preprocessing.sequence.pad_sequences([sequence], maxlen= 100)
    prediccion = model.predict(nuevareviewpad)
    if prediccion[0][0]>=0.5 :
        sentimiento = "Positivo"
    else:
        sentimiento = "Negativo"
    return sentimiento

st.title("Ingrese una review para poder calficarla como positiva o negativ")
review = st.text_area("Ingrese la reseña aqui", height= 200)

if st.button("Predecir el sentimiento de la reseña"):
    if review:
        sentimiento = predict_sentimiento(review)
        st.write(f'El sentimiento es :{sentimiento}')
    else:
        st.write(f'Ingrese una review')