Create app.py

app.py

@@ -0,0 +1,47 @@
+import gradio as gr
+import torch
+from lightgcn import GNN
+
+# Carga los datos relevantes (por ejemplo, playlist_info.json, song_info.json, etc.)
+# Asegúrate de que los archivos estén en la misma carpeta o ajusta las rutas según sea necesario.
+
+# Crea una instancia de tu modelo LightGCN (reemplaza esto con tu propia lógica).
+class SpotifyRecommender:
+    def __init__(self):
+        self.model = GNN(embedding_dim=64, num_nodes=100, num_playlists=50, num_layers=2)
+        # Carga los pesos preentrenados o entrena tu modelo aquí.
+        # Por ejemplo:
+        self.model.load_state_dict(torch.load("pesos_modelo.pth"))
+
+        # Carga los datos relevantes (por ejemplo, playlist_info.json, song_info.json, etc.)
+        # Por ejemplo:
+        self.playlist_data = cargar_datos("playlist_info.json")
+        self.song_data = cargar_datos("song_info.json")
+
+    def recommend(self, input_text):
+        # Aquí, llama a tu función de recomendación o procesamiento de datos.
+        # Por ejemplo:
+        #playlist_id = encontrar_id_de_playlist(input_text, self.playlist_data)
+        canciones_recomendadas = self.model.recommend(playlist_id, self.song_data)
+        return canciones_recomendadas
+        return f"¡Hola, has ingresado: {input_text}! Esto es una recomendación de canciones."
+
+# Crea una instancia de tu modelo.
+recommender_instance = SpotifyRecommender()
+
+# Define una función para manejar las solicitudes de los usuarios.
+def recommend(input_text):
+    return recommender_instance.recommend(input_text)
+
+# Crea una interfaz de usuario con Gradio.
+iface = gr.Interface(
+    fn=recommend,
+    inputs="text",
+    outputs="text",
+    title="Recomendador de Canciones en Spotify",
+    description="Ingresa un texto y obtén una recomendación de canciones.",
+)
+
+# Ejecuta la aplicación.
+if __name__ == "__main__":
+    iface.launch()