File size: 2,005 Bytes
91c1836 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 |
import torch
from transformers import AutoTokenizer, AutoModel
import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
import gradio as gr
# 📌 مدل و توکنایزر
model_name = "HooshvareLab/bert-fa-base-uncased"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModel.from_pretrained(model_name)
# 📄 دیتاست اولیه (FAQ)
faq_data = {
"پایتخت ایران کجاست؟": "تهران",
"زبان رسمی ایران چیست؟": "فارسی",
"واحد پول ایران چیست؟": "ریال",
"چه زمانی انتخاب واحد شروع میشود؟": "معمولاً پایان شهریور یا بهمن.",
"چه معدلی برای گرفتن 24 واحد لازم است؟": "حداقل معدل 17.",
}
questions = list(faq_data.keys())
answers = list(faq_data.values())
# 📄 تولید embedding
def get_embedding(text):
inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=64)
with torch.no_grad():
outputs = model(**inputs)
emb = outputs.last_hidden_state.mean(dim=1).squeeze().cpu().numpy()
return emb
faq_embeddings = [get_embedding(q) for q in questions]
# 📄 تابع پاسخ
def answer_question(user_question):
user_emb = get_embedding(user_question)
sims = [cosine_similarity([user_emb], [emb])[0][0] for emb in faq_embeddings]
best_idx = int(np.argmax(sims))
best_score = sims[best_idx]
if best_score > 0.7:
return answers[best_idx]
else:
return "متأسفم، جواب دقیقی در دیتاست پیدا نکردم."
# 📄 رابط Gradio
with gr.Blocks() as demo:
gr.Markdown("## 🤖 دستیار فارسی (پایه بر اساس semantic search با BERT)")
inp = gr.Textbox(label="سؤال خود را بنویسید")
out = gr.Textbox(label="پاسخ")
btn = gr.Button("پاسخ بده")
btn.click(fn=answer_question, inputs=inp, outputs=out)
demo.launch()
|