matching / huggingface /README.md
Calcifer0323's picture
feat: add HuggingFace deployment files and documentation
6ee1a1d
metadata
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

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:

pip install -r requirements.txt
uvicorn main:app --host 0.0.0.0 --port 7860

Docker:

docker build -t matching-service .
docker run -p 7860:7860 matching-service