app.py

from gradio import (
    Blocks,
    Tabs,
    TabItem,
    Textbox,
    Markdown,
    Button,
    Group,
    Label,
    Row,
    Examples,
)
from gensim.models import Word2Vec
import numpy as np
import re

novel2vec: Word2Vec = Word2Vec.load("./novel2vec_skipgram_gensim4_100dim.model")


def on_show_novel_vector_click(input_novel_title):
    if input_novel_title not in novel2vec.wv:
        return f"『{input_novel_title}』はデータベースにありません"

    vector: np.ndarray = novel2vec.wv.get_vector(input_novel_title)
    vector_text = " ".join(map(lambda x: "{:.3f}".format(x), vector))
    return vector_text


def create_show_novel_vector_tab():
    with TabItem("小説ベクトルを見る"):
        with Row():
            submit_button: Button = Button("ベクトルを見る")
            input_novel_title_textbox: Textbox = Textbox(label="小説の題名", max_lines=1)
        output_markdown: Markdown = Markdown()
        submit_button.click(
            on_show_novel_vector_click,
            inputs=input_novel_title_textbox,
            outputs=output_markdown,
        )


def parse_novel_formula(novel_formula):
    splitted: list = re.split(r"([\+\-])", novel_formula)
    splitted: list = map(lambda x: x.replace(" ", ""), splitted)
    splitted: list = filter(lambda x: not x == "", splitted)
    positive: list = []
    negative: list = []
    adding_list: list = positive
    for x in splitted:
        if x == "+":
            adding_list = positive
        elif x == "-":
            adding_list = negative
        else:
            adding_list.append(x)
    return positive, negative


def on_start_calc_click(input_novel_formula):
    positive, negative = parse_novel_formula(input_novel_formula)
    unknown_titles = list(filter(lambda x: x not in novel2vec.wv, positive + negative))
    if unknown_titles:
        error_message = "** 以下の題名がデータベースにありません **"
        for x in unknown_titles:
            error_message += f"\n * {x}"
        return None, error_message

    result = novel2vec.wv.most_similar_cosmul(
        positive=positive, negative=negative, topn=20
    )
    label_data = {title: confidence for title, confidence in result}
    return label_data, ""


def create_calc_novels_tab():
    with TabItem("小説の演算を行う"):
        with Group():
            with Row():
                submit_button = Button("演算する", variant="primary")
                input_novel_formula_textbox = Textbox(label="小説の題名または小説式")
        with Group():
            output_label = Label(label="演算結果")
            output_markdown = Markdown("")
        with Group():
            Examples(
                examples=["世界から猫が消えたなら", "君の膵臓を食べたい + 涼宮ハルヒの憂鬱 - 三日間の幸福"],
                inputs=input_novel_formula_textbox,
                outputs=[output_label, output_markdown],
                fn=on_start_calc_click,
            )
            Markdown(
                """
            * 小説の題名を1つ入力→ **類似した小説を検索** できます。
            * 小説の題名を足し算したり引き算する→ **小説を演算** できます。
            """
            )

        submit_button.click(
            on_start_calc_click,
            inputs=input_novel_formula_textbox,
            outputs=[output_label, output_markdown],
        )


def main():
    with Blocks() as interface:
        Markdown("""
        ## Novel2Vec Console
        Twitterハッシュタグ`名刺代わりの小説10選`をWord2Vecで学習させ、小説をベクトル化しました。
        ツイートデータは[GINK03様が公開されているデータ](https://github.com/GINK03/novel_recommend/blob/master/var/shosetsu_dataset.csv)を用いました。
        詳しくは[私の記事を参照](https://note.com/omiyayimo/n/n0301112dbcc7)ください。
        """)
        with Tabs():
            create_calc_novels_tab()
            create_show_novel_vector_tab()

    interface.launch()


if __name__ == "__main__":
    main()