huggingface/README.md

---
title: Matching Embedding Service
emoji: 🏠
colorFrom: blue
colorTo: green
sdk: docker
pinned: false
license: mit
app_port: 7860
---

# Matching Embedding Service

Сервис для генерации эмбеддингов текста и семантического поиска объектов недвижимости.

## Возможности

- 🔢 Генерация эмбеддингов для русского и английского текста
- 🔍 Семантический поиск и матчинг
- 📊 In-memory хранилище векторов
- 🚀 FastAPI с автоматической документацией
- 🌐 CORS-ready для интеграции

## API Документация

После запуска доступна по адресам:
- Swagger UI: `/docs`
- ReDoc: `/redoc`

## Модель

Используется модель: `paraphrase-multilingual-MiniLM-L12-v2`
- Поддержка 50+ языков (включая русский)
- Размерность векторов: 384
- 12 слоёв (лучшее качество чем L6-v2)
- Оптимизирована для семантического поиска

## Endpoints

### Основные
- `GET /health` - проверка работоспособности
- `POST /embed` - генерация эмбеддинга для текста
- `POST /embed-batch` - пакетная генерация эмбеддингов

### Матчинг
- `POST /match-text` - поиск похожих объектов по тексту
- `POST /register` - регистрация объекта с эмбеддингом

### Статистика
- `GET /store/stats` - статистика хранилища

## Использование

```python
import requests

# Health check
response = requests.get("https://calcifer0323-matching.hf.space/health")
print(response.json())

# Генерация эмбеддинга
response = requests.post(
    "https://calcifer0323-matching.hf.space/embed",
    json={"text": "Уютная квартира в центре"}
)
embedding = response.json()["embedding"]
```

## Разработка

Локальный запуск:
```bash
pip install -r requirements.txt
uvicorn main:app --host 0.0.0.0 --port 7860
```

Docker:
```bash
docker build -t matching-service .
docker run -p 7860:7860 matching-service
```