proanimal-recsys/recommender.py at main · thaislauriano31/proanimal-recsys · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
import pandas as pd

def calcular_pontuacao(animal, filtros, pesos):
    pontuacao = 0

    # Idade: pontua totalmente se estiver dentro do intervalo, caso contrário reduz pela diferença
    idade_animal = float(animal['idade']) if pd.notna(animal['idade']) else None
    if idade_animal is not None:
        max_idade = len(filtros['idade']) - 1

        if filtros['idade'][0] <= idade_animal <= filtros['idade'][max_idade]:  # Dentro do intervalo
            pontuacao += pesos["idade"]

        else:
            # Penalidade: quanto mais longe do intervalo, menor a pontuação
            dist_min = abs(idade_animal - filtros['idade'][0])
            dist_max = abs(idade_animal - filtros['idade'][max_idade])
            penalidade = min(dist_min, dist_max) / 12
            pontuacao += pesos["idade"] * penalidade

    # Pontuam se forem exatamente iguais
    pontuacao += pesos["porte"] if animal['porte'] == filtros['porte'] else 0
    pontuacao += pesos["vacinado"] if animal['vacinado'] == filtros['vacinado'] else 0
    pontuacao += pesos["bem_com_outros"] if animal['bem_com_outros'] == filtros['bem_com_outros'] else 0
    pontuacao += pesos["adocao_especial"] if animal['adocao_especial'] == filtros['adocao_especial'] else 0

    # Energia: pontua mais se estiver próxima
    if pd.notna(animal['energia']):
        energia_diff = abs(animal['energia'] - filtros['energia'])
        pontuacao += pesos["energia"] * max(0, 1 - energia_diff)

    return pontuacao

def define_pesos():
    pesos = {
        "idade": 1.2,
        "porte": 1.8,
        "vacinado": 0.7,
        "bem_com_outros": 1.5,
        "adocao_especial": 2.0,
        "energia": 1.6
    }
    return pesos

def get_nota_maxima():
    pesos = define_pesos()
    return sum(pesos.values())

def recommender(df, filtros_usuario):

    # Pesos ajustáveis para cada critério
    pesos = define_pesos()

    df['pontuacao'] = df.apply(lambda x: calcular_pontuacao(x, filtros_usuario, pesos), axis=1)

    df = df.sort_values(by='pontuacao', ascending=False)

    return df