Update app.py

app.py

@@ -7,41 +7,90 @@ from sklearn.metrics.pairwise import cosine_similarity
 import numpy as np
 import zipfile
 
-import shutil
 
-# Funzione per estrarre ed esporre i file
-def extract_zip(file):
-    if not zipfile.is_zipfile(file.name):
-        return "Errore: Il file caricato non è uno ZIP valido."
+zip_path = "en_core_web_sm-3.0.0.zip"  # Carica il file ZIP nella cartella del progetto
+extraction_dir = "./extracted_models"  # Scegli una sottocartella per l'estrazione
+test_dir = "./extracted_models/en_core_web_sm-3.0.0"  # Cartella dopo l'estrazione
 
-    # Percorso temporaneo per l'estrazione
-    extraction_dir = "./extracted_files"
-    os.makedirs(extraction_dir, exist_ok=True)
 
-    # Estrazione del contenuto dello ZIP
-    with zipfile.ZipFile(file.name, 'r') as zip_ref:
+
+# Verifica se la cartella esiste già
+if not os.path.exists(test_dir):
+    # Se la cartella non esiste, decomprimi il file ZIP
+    with zipfile.ZipFile(zip_path, 'r') as zip_ref:
         zip_ref.extractall(extraction_dir)
+    print(f"Modello estratto correttamente nella cartella {extraction_dir}")
+
+# Percorso della cartella estratta
+model_path = os.path.join(extraction_dir, "en_core_web_sm-3.0.0")  # Assicurati che sia corretto
+
+    # Carica il modello
+nlp = spacy.load(model_path)
+
+
+# Carica il modello SentenceTransformer
+#model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2', device='cpu')
+#model = SentenceTransformer('sentence-transformers/msmarco-distilbert-base-v4', device='cpu')
+#model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2', device='cpu')
+                            
+model = SentenceTransformer('sentence-transformers/all-distilroberta-v1', device='cpu')
+
+
+
+# Preprocessamento manuale (carica il manuale da un file o base di dati)
+with open('testo.txt', 'r', encoding='utf-8') as file:
+    text = file.read()
 
-    # Sposta i file nella radice del progetto per renderli visibili
-    project_dir = "./"
-    for root, dirs, files in os.walk(extraction_dir):
-        for f in files:
-            source_path = os.path.join(root, f)
-            dest_path = os.path.join(project_dir, f)
-            shutil.move(source_path, dest_path)
+# Tokenizza il testo in frasi usando SpaCy
+doc = nlp(text)
+sentences = [sent.text for sent in doc.sents]  # Estrarre frasi dal testo
 
-    return "File estratti e copiati nella radice del progetto:\n" + "\n".join(os.listdir(project_dir))
+# Crea gli embedding per il manuale
+embeddings = model.encode(sentences, batch_size=8, show_progress_bar=True)
+
+# Funzione per ottenere le frasi più rilevanti
+def find_relevant_sentences(query):
+    query_embedding = model.encode([query])
+    similarities = cosine_similarity(query_embedding, embeddings).flatten()
+
+    # Filtra i risultati in base alla similitudine
+    threshold = 0.2
+    filtered_results = [(idx, sim) for idx, sim in enumerate(similarities) if sim >= threshold]
+
+    # Ordina i risultati per similitudine
+    filtered_results.sort(key=lambda x: x[1], reverse=True)
+
+    # Ottieni le frasi più rilevanti
+    top_n = 5
+    relevant_sentences = [sentences[idx] for idx, _ in filtered_results[:top_n]]
+        
+    doc = nlp(" ".join(relevant_sentences))
+ 
+    grouped_results = [sent.text for sent in doc.sents]
+    # Pulizia
+    cleaned_results = [text.replace("\n", " ") for text in grouped_results]  # Rimuove gli a capo
+    final_output = " ".join(cleaned_results)  # Combina tutte le frasi in un unico testo
+
+    
+    return grouped_results
+
+examples = [
+    ["irresponsible use of the machine?"],
+    ["If I have a problem how can I get help? "],
+    ["precautions when using the cutting machine"],
+    ["How do I change the knife of the cutting machine?"],
+    
+]
 
 # Interfaccia Gradio
-interface = gr.Interface(
-    fn=extract_zip,
-    inputs=gr.File(label="Carica il file ZIP"),
-    outputs="text",
-    title="Estrattore ZIP e Copia nella Radice",
-    description="Carica un file ZIP. I file verranno estratti e resi visibili nella radice del progetto."
+iface = gr.Interface(
+    fn=find_relevant_sentences, 
+    inputs=gr.Textbox(label="Insert your query"), 
+    outputs=gr.Textbox(label="Relevant sentences"),
+    examples=examples, 
+    title="Manual Querying System",
+    description="Enter a question about the machine, and this tool will find the most relevant sentences from the manual."
 )
 
-# Avvia l'applicazione
-if __name__ == "__main__":
-    interface.launch()
-
+# Avvia l'app Gradio
+iface.launch()