Hugging Face's logo

Spaces:
OpenRussianAI
/
OpenAirAI
Sleeping

App Files Community
4
OpenAirAI
File size: 4,557 Bytes
7b81d65
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
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
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
import streamlit as st
from datasets import load_dataset
import numpy as np
import torch
from sentence_transformers import SentenceTransformer

# ===================================================================
# 1. НАСТРОЙКИ
# ===================================================================

MODEL_NAME = "BAAI/bge-large-en-v1.5"
DATASET_NAME = "wikimedia/wikipedia"
LANGUAGE = "20231101.en"  # можно заменить на "20231101.ru" для русского
ARTICLE_LIMIT = 1000  # сколько статей загрузить (для экономии памяти)

st.set_page_config(
    page_title="Wikipedia Assistant",
    page_icon="🌖",
    layout="wide"
)

st.title("🌖 Wikipedia Assistant")
st.markdown("Задай вопрос — я найду ответ в Википедии!")

# ===================================================================
# 2. ЗАГРУЗКА ДАТАСЕТА
# ===================================================================

@st.cache_resource
def load_wikipedia():
    """Загружает датасет Википедии"""
    with st.spinner("📚 Загружаю Википедию..."):
        dataset = load_dataset(
            DATASET_NAME,
            LANGUAGE,
            split="train",
            streaming=True
        )
        
        articles = []
        for i, row in enumerate(dataset):
            if i >= ARTICLE_LIMIT:
                break
            articles.append({
                "id": row.get("id", i),
                "title": row.get("title", "Без названия"),
                "text": row.get("text", "")[:3000],
                "url": row.get("url", "")
            })
        
        return articles

@st.cache_resource
def load_embedder():
    """Загружает модель для эмбеддингов"""
    with st.spinner("🧠 Загружаю модель..."):
        return SentenceTransformer(MODEL_NAME)

# ===================================================================
# 3. ПОИСК
# ===================================================================

def search_wikipedia(query, articles, embedder):
    """Ищет ответ на вопрос в Википедии"""
    # Кодируем запрос
    query_vector = embedder.encode(
        [query],
        normalize_embeddings=True
    )[0]
    
    # Кодируем все статьи (если ещё не закодированы)
    if "embeddings" not in st.session_state:
        with st.spinner("🔢 Создаю эмбеддинги статей..."):
            texts = [f"{a['title']}\n\n{a['text']}" for a in articles]
            embeddings = embedder.encode(
                texts,
                normalize_embeddings=True
            )
            st.session_state.embeddings = embeddings
    
    # Ищем
    scores = st.session_state.embeddings @ query_vector
    top_indices = np.argsort(-scores)[:3]
    
    results = []
    for idx in top_indices:
        results.append({
            "article": articles[int(idx)],
            "score": float(scores[int(idx)])
        })
    
    return results

# ===================================================================
# 4. ИНТЕРФЕЙС
# ===================================================================

# Загружаем данные
articles = load_wikipedia()
embedder = load_embedder()

st.success(f"✅ Загружено {len(articles)} статей")

# Поле ввода
query = st.text_input("🔍 Что хочешь узнать?", placeholder="Например: Как измеряют расстояние до галактик?")

if query:
    with st.spinner("🔎 Ищу ответ..."):
        results = search_wikipedia(query, articles, embedder)
    
    # Показываем результаты
    for i, result in enumerate(results, 1):
        score = result["score"]
        article = result["article"]
        
        # Только если релевантно
        if score > 0.3:
            with st.expander(f"#{i} {article['title']} (сходство: {score:.2f})"):
                st.write(article["text"][:2000] + "...")
                if article["url"]:
                    st.link_button("🔗 Читать на Википедии", article["url"])
        else:
            st.warning("😕 Не нашёл подходящей статьи. Попробуй уточнить вопрос.")
else:
    st.info("💡 Напиши вопрос, и я найду ответ в Википедии")