Upload app.py

app.py

@@ -0,0 +1,59 @@
+import os
+from glob import glob
+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]
+
+# Obtener una lista de todos los archivos *.index en el directorio
+archivos_indices = glob("*.index")
+
+# Cargar todos los índices de Faiss
+indices = []
+for archivo_index in archivos_indices:
+    index = faiss.read_index(archivo_index)
+    indices.append(index)
+
+# Función para predecir la similitud con cada índice
+def predecir_similitud(texto):
+    resultados = []
+
+    # Vectorizar el texto (usando la misma función que antes)
+    texto_vectorizado = vectorize_text(texto)
+
+    for i, index in enumerate(indices):
+        # 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 con índice {i} (similitud: {similitud:.2f})"
+        else:
+            resultado = f"No se detectó coincidencia con índice {i} (similitud: {similitud:.2f})"
+        
+        resultados.append(resultado)
+
+    return resultados
+
+# 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()