app.py

import gradio as gr
from sentence_transformers import SentenceTransformer, util
import json
import os
import time

# Загружаем модель
model_name = "HIT-TMG/KaLM-embedding-multilingual-mini-instruct-v1"
model = SentenceTransformer(model_name)

# Имя файла для сохранения эмбеддингов
embeddings_file = f"movie_embeddings_{model_name.replace('/', '_')}.json"
# Имя файла для сохранения эмбеддингов запросов
query_embeddings_file = f"query_embeddings_{model_name.replace('/', '_')}.json"

# Загружаем данные из файла movies.json
try:
    with open("movies.json", "r", encoding="utf-8") as f:
        movies_data = json.load(f)
except FileNotFoundError:
    print("Ошибка: Файл movies.json не найден.")
    movies_data = []

# Загружаем эмбеддинги фильмов
if os.path.exists(embeddings_file):
    with open(embeddings_file, "r", encoding="utf-8") as f:
        movie_embeddings = json.load(f)
    print("Загружены эмбеддинги фильмов из файла.")
else:
    movie_embeddings = {}

# Загружаем эмбеддинги запросов
if os.path.exists(query_embeddings_file):
    with open(query_embeddings_file, "r", encoding="utf-8") as f:
        query_embeddings = json.load(f)
    print("Загружены эмбеддинги запросов из файла.")
else:
    query_embeddings = {}

def get_movie_embedding(movie):
    """
    Возвращает эмбеддинг для фильма. Если эмбеддинг уже создан, возвращает его из словаря.
    Иначе создает эмбеддинг, сохраняет его и возвращает.
    """
    title = movie["name"]
    if title in movie_embeddings:
        print(f"Эмбеддинг для фильма '{title}' уже существует.")
        return movie_embeddings[title]
    else:
        print(f"Создается эмбеддинг для фильма '{title}'...")
        embedding_string = f"Название: {movie['name']}\nГод: {movie['year']}\nЖанры: {movie['genresList']}\nОписание: {movie['description']}"
        embedding = model.encode(embedding_string, convert_to_tensor=True).tolist()
        movie_embeddings[title] = embedding
        # Сохраняем эмбеддинги в файл
        with open(embeddings_file, "w", encoding="utf-8") as f:
            json.dump(movie_embeddings, f, ensure_ascii=False, indent=4)
        print(f"Эмбеддинг для фильма '{title}' создан и сохранен.")
        return embedding

def get_query_embedding(query):
    """
    Возвращает эмбеддинг для запроса. Если эмбеддинг уже создан, возвращает его из словаря.
    Иначе создает эмбеддинг, сохраняет его и возвращает.
    """
    if query in query_embeddings:
        print(f"Эмбеддинг для запроса '{query}' уже существует.")
        return query_embeddings[query]
    else:
        print(f"Создается эмбеддинг для запроса '{query}'...")
        embedding = model.encode(query, convert_to_tensor=True).tolist()
        query_embeddings[query] = embedding
        # Сохраняем эмбеддинги запросов в файл
        with open(query_embeddings_file, "w", encoding="utf-8") as f:
            json.dump(query_embeddings, f, ensure_ascii=False, indent=4)
        print(f"Эмбеддинг для запроса '{query}' создан и сохранен.")
        return embedding

# Создаем эмбеддинги для всех фильмов
for movie in movies_data:
    get_movie_embedding(movie)

def search_movies(query, top_k=3):
    """
    Ищет наиболее похожие фильмы по запросу.

    Args:
        query: Текстовый запрос.
        top_k: Количество возвращаемых результатов.

    Returns:
        Строку с результатами поиска в формате HTML.
    """
    start_time = time.time()  # Засекаем время начала выполнения

    print(f"\n\033[1mПоиск по запросу: '{query}'\033[0m")

    query_embedding = get_query_embedding(query)
    query_embedding_tensor = util.pytorch_cos_sim(
        model.encode(query, convert_to_tensor=True),
        model.encode(query, convert_to_tensor=True)
    )

    # Сортируем фильмы по убыванию сходства с запросом
    sorted_movies = sorted(
        movie_embeddings.items(),
        key=lambda item: util.pytorch_cos_sim(
            query_embedding_tensor,
            model.encode(list(movie_descriptions.values())[list(movie_descriptions.keys()).index(item[0])], convert_to_tensor=True)
        )[0][0],
        reverse=True
    )

    results_html = ""
    for title, _ in sorted_movies[:top_k]:
        # Ищем полное описание фильма в исходных данных
        for movie in movies_data:
            if movie["name"] == title:
                description = movie["description"]
                year = movie["year"]
                genres = movie["genresList"]
                score = util.pytorch_cos_sim(
                    query_embedding_tensor,
                    model.encode(list(movie_descriptions.values())[list(movie_descriptions.keys()).index(title)], convert_to_tensor=True)
                )[0][0].item()
                break

        results_html += f"<h3><b>{title} ({year})</b></h3>"
        results_html += f"<p><b>Жанры:</b> {genres}</p>"
        results_html += f"<p><b>Описание:</b> {description}</p>"
        results_html += f"<p><b>Сходство:</b> {score:.4f}</p>"
        results_html += "<hr>"

    end_time = time.time()  # Засекаем время окончания выполнения
    execution_time = end_time - start_time  # Вычисляем время выполнения

    print(f"Поиск завершен за {execution_time:.4f} секунд.")

    return results_html

# Создаем интерфейс Gradio
iface = gr.Interface(
    fn=search_movies,
    inputs=gr.Textbox(label="Введите запрос:"),
    outputs=gr.HTML(label="Результаты поиска:"),
    title="Поиск фильмов по описанию",
    description="Введите запрос, и система найдет наиболее похожие фильмы по их описаниям.",
    examples=[
        ["Фильм про ограбление"],
        ["Комедия 2019 года"],
        ["Фантастика про космос"],
    ],
)

# Запускаем приложение
iface.launch()