Spaces:
Running
Running
File size: 7,157 Bytes
1b447de |
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 |
"""
Aba de Visualizações Avançadas
Análise visual de embeddings e resultados
"""
import gradio as gr
import numpy as np
import plotly.graph_objects as go
import plotly.express as px
from sklearn.decomposition import PCA
from sklearn.manifold import TSNE
from typing import List, Dict, Any
from src.database import DatabaseManager
from src.embeddings import EmbeddingManager
def create_visualizations_tab(
db_manager: DatabaseManager,
embedding_manager: EmbeddingManager,
session_id: str
):
"""Cria aba de visualizações"""
with gr.Tab("Visualizações"):
gr.Markdown("""
## Análise Visual de Embeddings
Visualize seus documentos em 2D para entender a distribuição semântica.
""")
with gr.Row():
with gr.Column(scale=1):
gr.Markdown("### Configuração")
reduction_method = gr.Radio(
choices=["PCA", "t-SNE", "UMAP"],
value="PCA",
label="Método de Redução de Dimensionalidade",
info="PCA: rápido, linear. t-SNE: melhor clusters, mais lento"
)
n_components = gr.Slider(
minimum=2,
maximum=3,
value=2,
step=1,
label="Dimensões (2D ou 3D)",
info="3D permite rotação interativa"
)
color_by = gr.Radio(
choices=["Documento", "Cluster"],
value="Documento",
label="Colorir Por"
)
generate_btn = gr.Button(
"Gerar Visualização",
variant="primary",
size="lg",
elem_classes=["primary-button"]
)
gr.Markdown("""
**Sobre os métodos:**
- **PCA**: Preserva variância, rápido
- **t-SNE**: Preserva vizinhanças locais
- **UMAP**: Balanceado (requer instalação)
""")
with gr.Column(scale=2):
gr.Markdown("### Plot Interativo")
plot_output = gr.Plot(label="Embeddings Reduzidos")
stats_output = gr.Markdown("")
# Função de visualização
def visualize_embeddings(method, n_dims, color_option):
try:
# 1. Busca documentos do banco
docs = db_manager.get_all_documents(session_id)
if not docs or len(docs) < 3:
return None, "**Erro**: Ingira pelo menos 3 documentos para visualizar."
# 2. Extrai embeddings (assumindo que estão armazenados)
# Como embeddings estão no banco, vamos recalcular para demonstração
texts = [doc['content'] for doc in docs]
embeddings = embedding_manager.encode(texts, normalize=True)
# 3. Reduz dimensionalidade
if method == "PCA":
reducer = PCA(n_components=int(n_dims))
reduced = reducer.fit_transform(embeddings)
explained_var = reducer.explained_variance_ratio_
method_info = f"Variância explicada: {sum(explained_var):.2%}"
elif method == "t-SNE":
reducer = TSNE(n_components=int(n_dims), random_state=42, perplexity=min(30, len(docs)-1))
reduced = reducer.fit_transform(embeddings)
method_info = f"KL divergence: {reducer.kl_divergence_:.4f}"
elif method == "UMAP":
try:
import umap
reducer = umap.UMAP(n_components=int(n_dims), random_state=42)
reduced = reducer.fit_transform(embeddings)
method_info = "UMAP aplicado com sucesso"
except ImportError:
return None, "**Erro**: UMAP não instalado. Use `pip install umap-learn`"
# 4. Prepara dados para plot
titles = [doc['title'] for doc in docs]
previews = [doc['content'][:100] + "..." for doc in docs]
# Colorir por documento ou cluster
if color_option == "Documento":
colors = titles
else:
# Clustering simples com K-means
from sklearn.cluster import KMeans
n_clusters = min(5, len(docs))
kmeans = KMeans(n_clusters=n_clusters, random_state=42, n_init=10)
clusters = kmeans.fit_predict(embeddings)
colors = [f"Cluster {c+1}" for c in clusters]
# 5. Cria plot
if int(n_dims) == 2:
fig = px.scatter(
x=reduced[:, 0],
y=reduced[:, 1],
color=colors,
hover_name=titles,
hover_data={"Preview": previews},
title=f"Visualização de Embeddings ({method})",
labels={"x": "Componente 1", "y": "Componente 2"}
)
fig.update_traces(marker=dict(size=12, line=dict(width=1, color='white')))
else: # 3D
fig = px.scatter_3d(
x=reduced[:, 0],
y=reduced[:, 1],
z=reduced[:, 2],
color=colors,
hover_name=titles,
hover_data={"Preview": previews},
title=f"Visualização 3D de Embeddings ({method})",
labels={"x": "Componente 1", "y": "Componente 2", "z": "Componente 3"}
)
fig.update_traces(marker=dict(size=8, line=dict(width=0.5, color='white')))
fig.update_layout(
template="plotly_white",
hovermode='closest',
height=600
)
# 6. Estatísticas
stats = f"""
### Estatísticas
**Documentos visualizados:** {len(docs)}
**Método:** {method}
- {method_info}
**Dimensões:**
- Original: {embeddings.shape[1]}
- Reduzida: {reduced.shape[1]}
**Interpretação:**
- Pontos próximos = semanticamente similares
- Pontos distantes = semanticamente diferentes
- Clusters = grupos de documentos relacionados
"""
return fig, stats
except Exception as e:
return None, f"**Erro**: {str(e)}"
# Conecta evento
generate_btn.click(
fn=visualize_embeddings,
inputs=[reduction_method, n_components, color_by],
outputs=[plot_output, stats_output]
)
|