Spaces:
Runtime error
Runtime error
Update app.py
Browse files
app.py
CHANGED
@@ -1,16 +1,14 @@
|
|
1 |
-
import gradio as gr
|
2 |
-
from sentence_transformers import SentenceTransformer, util
|
3 |
-
from transformers import AutoTokenizer, AutoModelForCausalLM
|
4 |
import torch
|
|
|
|
|
|
|
|
|
5 |
|
6 |
-
# بارگذاری مدل
|
7 |
-
|
8 |
-
|
9 |
-
# بارگذاری مدل زبانی GPT فارسی
|
10 |
-
gpt_tokenizer = AutoTokenizer.from_pretrained("HooshvareLab/gpt2-fa")
|
11 |
-
gpt_model = AutoModelForCausalLM.from_pretrained("HooshvareLab/gpt2-fa")
|
12 |
|
13 |
-
#
|
14 |
faq_dict = {
|
15 |
"زمان انتخاب واحد": "معمولاً پایان شهریور و بهمن است.",
|
16 |
"زمان حذف و اضافه": "حدود یک هفته پس از شروع ترم تحصیلی است.",
|
@@ -20,42 +18,41 @@ faq_dict = {
|
|
20 |
}
|
21 |
|
22 |
faq_questions = list(faq_dict.keys())
|
23 |
-
faq_embeddings = embedder.encode(faq_questions, convert_to_tensor=True)
|
24 |
|
25 |
-
# تابع
|
26 |
-
def
|
27 |
-
|
28 |
-
|
29 |
-
|
30 |
-
|
31 |
-
|
32 |
-
|
33 |
-
|
|
|
|
|
34 |
|
35 |
-
# تابع
|
36 |
-
def student_bot(
|
37 |
try:
|
38 |
-
|
39 |
-
|
40 |
-
|
41 |
-
|
42 |
-
|
43 |
-
if best_score
|
44 |
-
|
45 |
-
return faq_dict[best_q]
|
46 |
else:
|
47 |
-
|
48 |
-
return f"🤖 پاسخ با مدل زبانی:\n{response}"
|
49 |
except Exception as e:
|
50 |
return f"❗️خطا در سیستم: {str(e)}"
|
51 |
|
52 |
-
# رابط کاربری
|
53 |
iface = gr.Interface(
|
54 |
fn=student_bot,
|
55 |
inputs=gr.Textbox(label="سؤال خود را وارد کنید"),
|
56 |
outputs=gr.Textbox(label="پاسخ"),
|
57 |
-
title="ایجنت راهنمای دانشجویان با
|
58 |
-
description="
|
59 |
)
|
60 |
|
61 |
iface.launch()
|
|
|
|
|
|
|
|
|
1 |
import torch
|
2 |
+
import gradio as gr
|
3 |
+
from transformers import AutoTokenizer, AutoModel
|
4 |
+
from sklearn.metrics.pairwise import cosine_similarity
|
5 |
+
import numpy as np
|
6 |
|
7 |
+
# بارگذاری مدل FarsiBERT
|
8 |
+
tokenizer = AutoTokenizer.from_pretrained("HooshvareLab/bert-fa-base-uncased")
|
9 |
+
model = AutoModel.from_pretrained("HooshvareLab/bert-fa-base-uncased")
|
|
|
|
|
|
|
10 |
|
11 |
+
# دادههای پرسش و پاسخ
|
12 |
faq_dict = {
|
13 |
"زمان انتخاب واحد": "معمولاً پایان شهریور و بهمن است.",
|
14 |
"زمان حذف و اضافه": "حدود یک هفته پس از شروع ترم تحصیلی است.",
|
|
|
18 |
}
|
19 |
|
20 |
faq_questions = list(faq_dict.keys())
|
|
|
21 |
|
22 |
+
# تابع استخراج embedding از جمله
|
23 |
+
def get_embedding(text):
|
24 |
+
inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True)
|
25 |
+
with torch.no_grad():
|
26 |
+
outputs = model(**inputs)
|
27 |
+
# میانگینگیری از همه توکنها در آخرین لایه
|
28 |
+
embeddings = outputs.last_hidden_state.mean(dim=1)
|
29 |
+
return embeddings[0].cpu().numpy()
|
30 |
+
|
31 |
+
# پیشمحاسبه embedding تمام سوالات FAQ
|
32 |
+
faq_embeddings = [get_embedding(q) for q in faq_questions]
|
33 |
|
34 |
+
# تابع اصلی ایجنت
|
35 |
+
def student_bot(user_question):
|
36 |
try:
|
37 |
+
user_emb = get_embedding(user_question)
|
38 |
+
sims = [cosine_similarity([user_emb], [emb])[0][0] for emb in faq_embeddings]
|
39 |
+
best_idx = int(np.argmax(sims))
|
40 |
+
best_score = sims[best_idx]
|
41 |
+
|
42 |
+
if best_score > 0.75:
|
43 |
+
return faq_dict[faq_questions[best_idx]]
|
|
|
44 |
else:
|
45 |
+
return "متأسفم، پاسخ این سوال در حال حاضر موجود نیست."
|
|
|
46 |
except Exception as e:
|
47 |
return f"❗️خطا در سیستم: {str(e)}"
|
48 |
|
49 |
+
# رابط کاربری
|
50 |
iface = gr.Interface(
|
51 |
fn=student_bot,
|
52 |
inputs=gr.Textbox(label="سؤال خود را وارد کنید"),
|
53 |
outputs=gr.Textbox(label="پاسخ"),
|
54 |
+
title="ایجنت راهنمای دانشجویان با FarsiBERT",
|
55 |
+
description="پاسخ به پرسشهای رایج بر اساس تشابه معنایی"
|
56 |
)
|
57 |
|
58 |
iface.launch()
|