Deploy from GitHub Actions

README.md

@@ -0,0 +1,14 @@
+---
+title: Projet 10 - Content Recommandation
+emoji: 📚
+colorFrom: blue
+colorTo: indigo
+sdk: streamlit
+sdk_version: "1.32.0"
+app_file: app.py
+pinned: false
+---
+
+# Système de Recommandation d'Articles
+Cette application présente les recommandations issues d'un filtrage collaboratif et d'un modèle content-based.
+L'application communique avec une API Google Cloud Functions.

app.py

@@ -0,0 +1,131 @@
+"""
+My Content — interface de démonstration du système de recommandation.
+
+Front Streamlit hébergé sur Hugging Face Spaces. Il n'embarque aucune logique
+de recommandation : il appelle la Cloud Function serverless et affiche le top 5.
+"""
+
+import os
+import time
+
+import requests
+import streamlit as st
+
+# Par défaut, l'API déployée. La variable API_URL permet de viser l'API locale
+# (functions-framework, voir le README) sans modifier le code.
+CLOUD_FUNCTION_URL = os.environ.get(
+    "API_URL",
+    "https://us-central1-projet-10-498214.cloudfunctions.net/api-recommandation",
+)
+
+MODELS = {
+    "Filtrage collaboratif (ALS)": True,
+    "Content-based (embeddings)": False,
+}
+
+MODEL_LABELS = {
+    "collaborative_filtering": "Filtrage collaboratif (ALS)",
+    "content_based": "Content-based (embeddings)",
+    "popularity_fallback": "Popularité (repli cold start)",
+}
+
+st.set_page_config(
+    page_title="My Content — Recommandations",
+    page_icon="📚",
+    layout="centered",
+)
+
+st.title("📚 My Content")
+st.caption("Système de recommandation d'articles — MVP serverless")
+st.divider()
+
+col1, col2 = st.columns(2)
+
+with col1:
+    st.markdown("**👤 Utilisateur**")
+    selected_user = st.number_input(
+        "Identifiant utilisateur",
+        min_value=0,
+        max_value=99_999_999,
+        value=0,
+        step=1,
+        help="176 840 utilisateurs sont couverts par les matrices pré-calculées.",
+    )
+
+with col2:
+    st.markdown("**⚙️ Modèle**")
+    model_choice = st.radio(
+        "Algorithme de recommandation",
+        options=list(MODELS.keys()),
+        index=0,
+    )
+
+st.divider()
+
+if st.button("🔍 Obtenir les 5 recommandations", type="primary", use_container_width=True):
+    params = {
+        "user_id": int(selected_user),
+        "is_collaborative": str(MODELS[model_choice]).lower(),
+    }
+
+    with st.spinner("Appel de la fonction serverless..."):
+        started = time.perf_counter()
+        try:
+            response = requests.get(CLOUD_FUNCTION_URL, params=params, timeout=20)
+        except requests.exceptions.RequestException as exc:
+            st.error(f"Impossible de joindre l'API : {exc}")
+            st.stop()
+        elapsed_ms = (time.perf_counter() - started) * 1000
+
+    if response.status_code != 200:
+        st.error(f"Erreur de l'API (code {response.status_code}) : {response.text}")
+        st.stop()
+
+    data = response.json()
+    model_used = data.get("model", "inconnu")
+    articles = data.get("articles") or [
+        {"article_id": a} for a in data.get("recommendations", [])
+    ]
+
+    if data.get("cold_start"):
+        st.warning(
+            f"Utilisateur **{selected_user}** inconnu du système : aucun historique "
+            "disponible. Repli automatique sur les articles les plus lus "
+            "(stratégie cold start)."
+        )
+    else:
+        st.success(f"Recommandations générées via **{MODEL_LABELS.get(model_used, model_used)}**")
+
+    st.caption(f"Réponse de l'API en {elapsed_ms:.0f} ms")
+
+    st.markdown(f"#### Top 5 pour l'utilisateur {selected_user}")
+
+    for rank, article in enumerate(articles, start=1):
+        left, right = st.columns([1, 4])
+        with left:
+            st.metric("Rang", f"#{rank}")
+        with right:
+            st.markdown(f"**Article `{article['article_id']}`**")
+            details = []
+            if "category_id" in article:
+                details.append(f"Catégorie `{article['category_id']}`")
+            if "words_count" in article:
+                details.append(f"{article['words_count']} mots")
+            if details:
+                st.caption(" · ".join(details))
+
+    categories = [a["category_id"] for a in articles if "category_id" in a]
+    if categories:
+        st.caption(
+            f"Diversité de la sélection : {len(set(categories))} catégorie(s) "
+            f"distincte(s) sur {len(categories)} articles."
+        )
+
+    with st.expander("Réponse brute de l'API"):
+        st.json(data)
+
+st.divider()
+st.caption(
+    "Front Streamlit sur Hugging Face Spaces · API Google Cloud Functions (gen2) · "
+    "Données Globo.com"
+)

requirements.txt

@@ -0,0 +1,2 @@
+requests
+streamlit