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()
maximo_num_palabras = 20000

def reviewnueva(review, word_index, maxmimo_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

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

def predict_sentiento(review):
    sequence = reviewnueva(review, word_index)
    
    sentimiento = model.predict(nuevareviewpad)
    if(sentimiento[0][0] > 0.5):
      print("El sentimiento es positiva")
    else:
      print("El sentimiento es negativa")
    return sentimiento

st.title("Ingrese una review para poder calificarla como positiva o negativa")
review = st.text_area("Ingrese reseña aquí ", height=200)


if st.button("Predecir sentimiento"):
    if review:
        sentimiento = predict_sentiento(review)
        st.write(f"El sentimiento es: {sentimiento}")
    else:
        st.write(f"Ingrese una review.")