core/embedder.py

from sentence_transformers import SentenceTransformer
from config import EMBEDDING_MODEL_NAME


class MenuEmbedder:
    """
    한국어 특화 임베딩 모델 래퍼.
    첫 실행 시 모델 자동 다운로드 (~500MB), 이후 로컬 캐시 사용.
    """

    def __init__(self):
        print(f"임베딩 모델 로드 중: {EMBEDDING_MODEL_NAME}")
        self.model = SentenceTransformer(EMBEDDING_MODEL_NAME)
        print("모델 로드 완료")

    def embed_text(self, text: str) -> list:
        """단일 텍스트 임베딩"""
        vector = self.model.encode(text, normalize_embeddings=True)
        return vector.tolist()

    def embed_batch(self, texts: list, batch_size: int = 32) -> list:
        """배치 임베딩"""
        vectors = self.model.encode(
            texts,
            batch_size=batch_size,
            normalize_embeddings=True,
            show_progress_bar=True
        )
        return vectors.tolist()

    def build_embedding_text(self, desc: dict) -> str:
        """
        Description의 여러 필드를 하나의 임베딩용 텍스트로 결합.
        embedding_text 필드를 우선 사용하되, 없으면 주요 필드 조합.
        """
        if desc.get("embedding_text"):
            return desc["embedding_text"]

        parts = [
            desc.get("menu_name", ""),
            desc.get("function_desc", ""),
            " ".join(desc.get("keywords", [])),
            " ".join(desc.get("user_verbs", [])),
            " ".join(desc.get("sample_queries", [])),
        ]
        return " ".join(filter(None, parts))