Update app.py

app.py

@@ -28,26 +28,54 @@ st.set_page_config(
     initial_sidebar_state="expanded"
 )
 
-# CSS mejorado
+# CSS mejorado (mantengo tu estilo, agrego para nuevas presentaciones)
 st.markdown("""
 <style>
-    .recipe-card {
-        background-color: #f8f9fa;
-        padding: 20px;
-        border-radius: 10px;
-        box-shadow: 0 2px 4px rgba(0,0,0,0.1);
-        margin-bottom: 20px;
-    }
-    .stButton > button {
-        width: 100%;
-    }
+.main {background-color: #f8f9fa;}
+.stButton>button {
+    background-color: #28a745;
+    color: white;
+    border-radius: 10px;
+    padding: 0.5rem 1rem;
+    font-weight: 600;
+    border: none;
+    transition: all 0.3s;
+}
+.stButton>button:hover {
+    background-color: #218838;
+    transform: translateY(-2px);
+    box-shadow: 0 4px 12px rgba(40, 167, 69, 0.2);
+}
+.recipe-card {
+    background: white;
+    border-radius: 10px;
+    padding: 1.5rem;
+    margin: 1rem 0;
+    box-shadow: 0 2px 8px rgba(0,0,0,0.1);
+    border-left: 4px solid #28a745;
+}
+.highlight {
+    background-color: #e8f5e9;
+    padding: 0.5rem;
+    border-radius: 5px;
+    margin: 0.5rem 0;
+}
+.ingredient-item {
+    padding: 0.3rem 0;
+    border-bottom: 1px solid #eee;
+}
+.instruction-step {
+    margin: 0.5rem 0;
+    padding-left: 1rem;
+    border-left: 3px solid #28a745;
+}
 </style>
 """, unsafe_allow_html=True)
 
 # ==================== FUNCIONES AUXILIARES ====================
 
 def parse_ingredient_string(ing_str):
-    """Parsear cadena de ingredientes separados por comas"""
+    """Parsear cadena de ingredientes (adaptado para nuevo dataset: split por comas)"""
     try:
         if isinstance(ing_str, str):
             items = [item.strip() for item in ing_str.split(',') if item.strip()]
@@ -57,10 +85,9 @@ def parse_ingredient_string(ing_str):
         return []
 
 def parse_instruction_string(instr_str):
-    """Parsear instrucciones en pasos"""
+    """Parsear instrucciones (adaptado: split por puntos o líneas)"""
     try:
         if isinstance(instr_str, str):
-            # Dividir por puntos o números
             steps = re.split(r'\.\s*|\n\s*', instr_str)
             steps = [step.strip() for step in steps if step.strip()]
             return steps
@@ -68,13 +95,23 @@ def parse_instruction_string(instr_str):
     except Exception:
         return [str(instr_str)]
 
+def parse_duration_to_minutes(dur_str):
+    """Convertir HH:MM a minutos (para nuevo dataset)"""
+    try:
+        if isinstance(dur_str, str) and ':' in dur_str:
+            h, m = map(int, dur_str.split(':'))
+            return h * 60 + m
+        return 0
+    except:
+        return 0
+
 @st.cache_resource(show_spinner="Cargando modelo de embeddings...")
 def load_embedding_model():
-    return SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')  # Multilingual for Spanish support
+    return SentenceTransformer('paraphrase-multilingual-MiniLM-L12-v2')  # Multilingual para español y sinónimos
 
 @st.cache_resource(show_spinner="Cargando modelo para chatbot...")
 def load_chat_model():
-    return pipeline("text-generation", model="flax-community/gpt-2-spanish")  # Spanish-capable model for advice
+    return pipeline("text-generation", model="flax-community/gpt-2-spanish")  # Modelo en español para consejos
 
 @lru_cache(maxsize=1000)
 def get_chat_response(query, context=""):
@@ -84,43 +121,33 @@ def get_chat_response(query, context=""):
     response = model(prompt, max_length=150, num_return_sequences=1)[0]['generated_text']
     return response.split("Asistente: ")[-1].strip()
 
-def parse_duration_to_minutes(dur_str):
-    """Convertir HH:MM a minutos"""
-    try:
-        if isinstance(dur_str, str) and ':' in dur_str:
-            h, m = map(int, dur_str.split(':'))
-            return h * 60 + m
-        return 0
-    except:
-        return 0
-
 # ==================== CARGA DE DATOS ====================
 
 @st.cache_data(show_spinner="Cargando y procesando datos de recetas...")
 def load_and_preprocess_data():
-    """Carga y preprocesa el dataset español"""
+    """Carga y preprocesa (adaptado a dataset español, mantengo optimizaciones originales)"""
     try:
         st.info("Descargando dataset de recetas españolas... Esto puede tomar unos segundos.")
         ds = load_dataset("somosnlp/RecetasDeLaAbuela")
         df = ds['train'].to_pandas()
         
-        # Limitar para rendimiento
+        # Limitar para rendimiento (como en original)
         df = df.head(8000).copy()
         
-        # Procesar ingredientes
+        # Procesar ingredientes (adaptado)
         df['ingredients_parsed'] = df['Ingredientes'].apply(parse_ingredient_string)
         df['ingredients_str'] = df['ingredients_parsed'].apply(lambda x: ' '.join(x).lower())
         
-        # Procesar instrucciones
+        # Procesar instrucciones (adaptado)
         df['instructions_parsed'] = df['Pasos'].apply(parse_instruction_string)
         
-        # Procesar tiempo
+        # Procesar tiempo (adaptado)
         df['total_minutes'] = df['Duracion'].apply(parse_duration_to_minutes)
         
-        # Nutricional como filtro saludable (bajo en calorías, etc.)
+        # Filtro saludable (adaptado a 'Valor nutricional')
         df['is_healthy'] = df['Valor nutricional'].str.contains('Bajo en calorías|Bajo en grasas|vegetarianos|vegano', na=False, case=False)
         
-        # Pre-calcular embeddings
+        # Pre-calcular embeddings (como en original, pero multilingual)
         st.info("Calculando embeddings multilingües para búsqueda rápida...")
         model = load_embedding_model()
         ingredients_texts = df['ingredients_str'].tolist()
@@ -142,7 +169,7 @@ def load_and_preprocess_data():
 # ==================== FUNCIONES DE RECOMENDACIÓN ====================
 
 def recommend_recipes_optimized(user_ingredients, category="", top_k=5, is_healthy=True, is_vegan=False, max_time=60):
-    """Recomendación con embeddings multilingües (RAG-like para synonyms)"""
+    """Recomendación optimizada (mantengo lógica original, adapto filtros a nuevo dataset)"""
     try:
         if df.empty:
             return pd.DataFrame()
@@ -186,7 +213,7 @@ with st.spinner("Cargando base de datos..."):
 if df.empty:
     st.stop()
 
-# Barra lateral
+# Barra lateral (mantengo original)
 with st.sidebar:
     st.header("Filtros")
     max_time = st.slider("Tiempo máximo (minutos)", 10, 120, 60)
@@ -194,7 +221,7 @@ with st.sidebar:
     is_vegan = st.checkbox("Vegano", value=False)
     category = st.text_input("Categoría (ej. postres)")
 
-# Entrada usuario
+# Entrada usuario (mantengo)
 user_input = st.text_input("Ingresa ingredientes (separados por comas, en español):", "tomate, cebolla, pollo")
 user_ingredients = [i.strip().lower() for i in user_input.split(',') if i.strip()]
 
@@ -207,27 +234,27 @@ if st.button("Buscar Recetas"):
                 st.markdown(f"### {row['Nombre']}")
                 st.write(f"**Tiempo:** {row['Duracion']} | **Porciones:** {row.get('Comensales', 'N/A')} | **Nutrición:** {row['Valor nutricional']}")
                 
-                # Tabla de ingredientes
+                # Mejora: Tabla de ingredientes
                 ing_df = pd.DataFrame(row['ingredients_parsed'], columns=["Ingrediente"])
-                st.table(ing_df)
+                st.dataframe(ing_df, use_container_width=True)
                 
-                # Instrucciones expandibles
+                # Mejora: Instrucciones en expanders
                 for i, step in enumerate(row['instructions_parsed'], 1):
-                    with st.expander(f"Paso {i}"):
+                    with st.expander(f"Paso {i}:"):
                         st.write(step)
                 
-                # Gráfico simple
+                # Gráfico simple (mantengo original)
                 fig = px.bar(x=['Tiempo Total'], y=[row['total_minutes']])
                 st.plotly_chart(fig, use_container_width=True)
 
-# Chatbot section
-st.header("Chatbot de Consejos")
-chat_input = st.chat_input("Pregunta sobre una receta o modificaciones:")
+# Mejora: Sección de Chatbot
+st.header("Chatbot de Consejos para Recetas")
+chat_input = st.chat_input("Pregunta sobre una receta o procedimiento (ej: ¿cómo hacer esto vegano?):")
 if chat_input:
     with st.chat_message("user"):
         st.markdown(chat_input)
-    # Usar RAG: contexto de receta similar
-    similar_recs = recommend_recipes_optimized(user_input.split(','), top_k=1)
+    # RAG-like: Contexto de receta similar
+    similar_recs = recommend_recipes_optimized(user_ingredients, top_k=1)
     context = similar_recs['Pasos'].iloc[0] if not similar_recs.empty else ""
     response = get_chat_response(chat_input, context)
     with st.chat_message("assistant"):