Delete app.py

app.py

@@ -1,50 +0,0 @@
-from sentence_transformers import SentenceTransformer
-import gradio as gr
-import numpy as np
-import faiss
-
-# Cargar el modelo de Sentence Transformers
-model_name="quora-distilbert-multilingual"
-model = SentenceTransformer(model_name)
-
-# Función para vectorizar un texto
-def vectorize_text(text):
-    return model.encode([text])[0]
-    
-# Cargar el índice de Faiss
-index = faiss.read_index("faiss_train_index.index")
-
-# Establecer el umbral de similitud (puedes ajustarlo según tus necesidades)
-umbral_similitud = -11
-
-# Función para la predicción
-def predecir_similitud(texto):
-    # Vectorizar el texto (usando la misma función que antes)
-    texto_vectorizado = vectorize_text(texto)
-
-    # Buscar similitud con Faiss
-    texto_vectorizado_np = np.array([texto_vectorizado], dtype=np.float32)
-    D, I = index.search(texto_vectorizado_np, 1)  # Buscar el vector más cercano
-    similitud = 1 - D[0][0]  # Calcular similitud de coseno
-
-    # Comparar con el umbral y proporcionar el resultado
-    if similitud >= umbral_similitud:
-        resultado = f"Coincidencia detectada (similitud: {similitud:.2f})"
-    else:
-        resultado = f"No se detectó coincidencia (similitud: {similitud:.2f})"
-    
-    return resultado
-
-# Crear la interfaz de Gradio con un botón de "Predecir"
-iface = gr.Interface(
-    fn=predecir_similitud,
-    inputs=gr.inputs.Textbox(default="Ingrese su texto aquí"),
-    outputs=gr.outputs.Textbox(),
-    live=False,
-    title="Detector de Coincidencias",
-    description="Ingrese un texto y haga clic en 'Predecir' para detectar coincidencias con los vectores."
-)
-
-# Ejecutar la interfaz
-iface.launch()
-