Update app.py

app.py

@@ -17,6 +17,10 @@ model = genai.GenerativeModel("gemini-2.0-flash-thinking-exp-1219")
 # PharmKG 데이터셋 로드
 pharmkg_dataset = load_dataset("vinven7/PharmKG")
 
+# FDA_Pharmaceuticals_FAQ 데이터셋 로드
+fda_dataset = load_dataset("Jaymax/FDA_Pharmaceuticals_FAQ")
+
+
 # 문장 임베딩 모델 로드
 embedding_model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
 
@@ -35,7 +39,7 @@ def format_chat_history(messages: list) -> list:
             })
     return formatted_history
 
-def find_most_similar_data(query):
+def find_most_similar_data(query, dataset):
     """
     주어진 쿼리와 가장 유사한 데이터 찾기
     """
@@ -43,10 +47,10 @@ def find_most_similar_data(query):
     most_similar = None
     highest_similarity = -1
     
-    for split in pharmkg_dataset.keys():
-        for item in pharmkg_dataset[split]:
-            if 'Input' in item and 'Output' in item:
-                item_text = f"입력: {item['Input']} 출력: {item['Output']}"
+    for split in dataset.keys():
+        for item in dataset[split]:
+            if 'Question' in item and 'Answer' in item:
+                item_text = f"질문: {item['Question']} 답변: {item['Answer']}"
                 item_embedding = embedding_model.encode(item_text, convert_to_tensor=True)
                 similarity = util.pytorch_cos_sim(query_embedding, item_embedding).item()
                 
@@ -56,6 +60,7 @@ def find_most_similar_data(query):
     
     return most_similar
 
+
 def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
     """
     대화 기록 지원을 통해 생각과 응답을 스트리밍합니다(텍스트 입력만 해당).
@@ -73,13 +78,14 @@ def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
         chat_history = format_chat_history(messages)
 
          # 유사 데이터 검색
-        most_similar_data = find_most_similar_data(user_message)
+        most_similar_pharmkg_data = find_most_similar_data(user_message, pharmkg_dataset)
+        most_similar_fda_data = find_most_similar_data(user_message, fda_dataset)
         
         system_message = "사용자 질문에 대해 의약품 정보를 제공하는 전문 약학 어시스턴트입니다."
         system_prefix = """
         반드시 한글로 답변하십시오. 너의 이름은 'PharmAI'이다.
-        당신은 '의약품 지식 그래프(PharmKG) 데이터 100만 건 이상을 학습한 전문적인 의약품 정보 AI 조언자입니다.'
-        입력된 질문에 대해 PharmKG 데이터셋에서 가장 관련성이 높은 정보를 찾고, 이를 바탕으로 상세하고 체계적인 답변을 제공합니다.
+        당신은 '의약품 지식 그래프(PharmKG) 데이터 100만 건 이상과 FDA 가이드 및 연관 정보에 대해 학습한 전문적인 의약품 정보 AI 조언자입니다.'
+        입력된 질문에 대해 PharmKG 데이터셋과 FDA 데이터셋에서 가장 관련성이 높은 정보를 찾고, 이를 바탕으로 상세하고 체계적인 답변을 제공합니다.
         답변은 다음 구조를 따르십시오:
         
         1. **정의 및 개요:** 질문과 관련된 약물의 정의, 분류, 또는 개요를 간략하게 설명합니다.
@@ -89,7 +95,8 @@ def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
         5. **부작용 및 주의사항 (Adverse Effects and Precautions):** 가능한 부작용과 사용 시 주의해야 할 사항을 상세히 설명합니다.
         6. **약물 상호작용 (Drug Interactions):** 다른 약물과의 상호작용 가능성을 제시하고, 그로 인한 영향을 설명합니다.
         7. **약동학적 특성 (Pharmacokinetics):** 약물의 흡수, 분포, 대사, 배설 과정에 대한 정보를 제공합니다.
-        8. **참고 문헌 (References):** 답변에 사용된 과학적 자료나 관련 연구를 인용합니다.
+        8.  **FDA 가이드 및 연관 정보:** FDA 데이터셋에서 관련 정보가 있으면 해당 정보를 요약하여 제공합니다.
+        9. **참고 문헌 (References):** 답변에 사용된 과학적 자료나 관련 연구를 인용합니다.
         
         * 답변은 가능하면 전문적인 용어와 설명을 사용하십시오.
         * 모든 답변은 한국어로 제공하며, 대화 내용을 기억해야 합니다.
@@ -108,10 +115,12 @@ def stream_gemini_response(user_message: str, messages: list) -> Iterator[list]:
         """
 
          # 시스템 프롬프트 및 관련 컨텍스트를 사용자 메시지 앞에 추가
-        if most_similar_data:
-             prefixed_message = f"{system_prefix} {system_message} 관련 정보: {most_similar_data}\n\n 사용자 질문:{user_message}"
-        else:
-             prefixed_message = f"{system_prefix} {system_message}\n\n 사용자 질문:{user_message}"
+        prefixed_message = f"{system_prefix} {system_message}"
+        if most_similar_pharmkg_data:
+            prefixed_message += f" PharmKG 관련 정보: {most_similar_pharmkg_data}"
+        if most_similar_fda_data:
+             prefixed_message += f" FDA 가이드 및 연관 정보: {most_similar_fda_data}"
+        prefixed_message += f"\n\n 사용자 질문:{user_message}"
 
         # Gemini 채팅 시작
         chat = model.start_chat(history=chat_history)