Create app.py

app.py

@@ -0,0 +1,37 @@
+import streamlit as st
+import tensorflow as tf
+from tensorflow.keras.datasets import imdb
+from tensorflow.keras.processing.secuence impor pad_sequences
+import numpy as np
+
+word_index = imdb.get_word_index()
+maximo_num_palabras = 20000
+
+def reviewnueva(review, word_index, maximo_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_sentimiento(review)
+    sequence = reviewnueva(review, word_index)
+    if prediction [0] [0]>=0.5 :
+        sentimiento = "Positivo"
+    else:
+        sentimiento = "Negativo"
+    return predict_sentimiento
+
+st.title("Ingrese una review para poder calificarla como positiva o negativa")
+st.text_area("Ingrese reseña aqui", height=200)
+
+if st.button("Predicir sentimiento"):
+    if review:
+        sentiemiento = predict_sentimiento(review)
+        st.write(f'El sentimiento es: {sentimiento}')
+    else:
+        st.write(f'Ingrese una review')
+        
+