Create app.py

app.py

@@ -0,0 +1,36 @@
+import streamlit as st
+import tensorflow as tf
+from tensorflow.keras.datasets import imdb
+from tensorflow.keras.preprocessing.sequence import pad_sequences
+import numpy as np
+
+word_index = imdb.get_word_index()
+max_num_palabras = 2000
+
+def reviewnueva(review, word_index, max_num_palabras):
+  sequence = []
+  for word in review.split():
+    index = word_index.get(word.lower(), 0)
+    if index < max_num_palabras:
+      sequence.append(index)
+  return sequence
+
+model = tf.keras.models.load_model("opiniones.h5")
+
+def predict_sentimiento(review):
+    sequence =  reviewnueva(review, word_index)
+    prediccion = model.predict(sequence)
+    if prediccion[0][0]>=0.5:
+        sentimiento = "Positivo"
+    else:
+        sentimiento = "Negativo"
+    return sentimiento
+
+st.title("Ingrese una review para poder calificar como positiva o negativa")
+review = st.text_area("Ingrese reseña aquí", height = 200)
+if st.button("Predecir sentimiento"):
+    if review:
+        sentimiento = predict_sentimiento(review)
+        st.write(f'El sentimiento es: {sentimiento}')
+    else:
+        st.write(f'Ingrese una review')