Spaces:
Sleeping
Sleeping
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 работоспособностиPOST /embed- генерация эмбеддинга для текстаPOST /embed-batch- пакетная генерация эмбеддингов
Матчинг
POST /match-text- поиск похожих объектов по текстуPOST /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