model upload

BOK_Q&A.py

@@ -1,71 +0,0 @@
-import numpy as np
-import pandas as pd
-from sentence_transformers import SentenceTransformer
-from sklearn.metrics.pairwise import cosine_similarity
-
-# 사전정의된 Query-Answer가 담긴 테이블
-qna_df = pd.read_csv('./data/qa_data.csv')[['질문', '답변']]
-
-qna_df['질문'] = qna_df['질문'].apply(lambda x: x.split('질문\n')[1]) # "질문\n" 제거
-qna_df['답변'] = qna_df['답변'].apply(lambda x: x.split('답변\n')[1]) # "답변\n" 제거
-
-# SentenceTransformer 모델 로드
-embedding_model = SentenceTransformer('jeonseonjin/embedding_BAAI-bge-m3')
-
-# 쿼리 문장들에 대한 임베딩 벡터 생성
-query_texts = qna_df['질문'].to_list()
-query_embeddings = embedding_model.encode(query_texts)
-
-# query-answer 함수 정의
-def qna_answer_to_query(new_query, embedding_model=embedding_model, query_embeddings=query_embeddings, top_k=1, verbose=True):
-    # 쿼리 임베딩 계산
-    new_query_embedding = embedding_model.encode([new_query])
-
-    
-    # 코사인 유사도 계산
-    cos_sim = cosine_similarity(new_query_embedding, query_embeddings)
-    
-    # 코사인 유사도 값이 가장 큰 질문의 인덱스 찾기
-    most_similar_idx = np.argmax(cos_sim)
-    similarity = np.round(cos_sim[0][most_similar_idx], 2)
-    
-    # 가장 비슷한 질문과 답변 가져오기
-    similar_query = query_texts[most_similar_idx]
-    similar_answer = qna_df.iloc[most_similar_idx]['답변']
-    
-    if verbose == True:
-        print("가장 비슷한 질문 : ", similar_query)
-        print("가장 비슷한 질문의 유사도 : ", similarity)
-        print("가장 비슷한 질문의 답: ", similar_answer)
-
-    # 결과 반환
-    return similar_query, similarity, similar_answer
-
-import gradio as gr
-
-# 질문에 대한 답변을 제공하는 함수 (qna_answer_to_query 함수 사용)
-def chat_with(message, history):
-    # 사용자의 질문에 대해 full_answer_to_query를 사용하여 답변 생성
-    response = qna_answer_to_query(message)[2]
-    
-    # 질문과 답변을 히스토리에 저장 (history는 대화 히스토리)
-    history.append((message, response))  
-    
-    # Gradio가 (응답, history)를 반환해야 하므로, 대화 기록과 함께 반환
-    return history, history
-
-# Gradio Chatbot 인터페이스 생성
-with gr.Blocks() as demo:
-    chatbot = gr.Chatbot()  # 대화 기록을 표시하는 컴포넌트
-    msg = gr.Textbox(label="질문 입력")  # 질문 입력을 위한 텍스트 박스
-    clear = gr.Button("대화 기록 초기화")  # 대화 기록 초기화 버튼
-
-    # 대화가 시작될 때 실행할 동작 정의
-    msg.submit(chat_with, inputs=[msg, chatbot], outputs=[chatbot, msg])  # 입력값을 처리 후 출력
-
-    # 기록 초기화 버튼 동작 정의
-    clear.click(lambda: [], None, chatbot, queue=False)  # 대화 기록을 초기화
-
-# 앱 실행
-demo.launch(share=True)
-

app.py

@@ -1,7 +1,71 @@
+import numpy as np
+import pandas as pd
+from sentence_transformers import SentenceTransformer
+from sklearn.metrics.pairwise import cosine_similarity
+
+# 사전정의된 Query-Answer가 담긴 테이블
+qna_df = pd.read_csv('./data/qa_data.csv')[['질문', '답변']]
+
+qna_df['질문'] = qna_df['질문'].apply(lambda x: x.split('질문\n')[1]) # "질문\n" 제거
+qna_df['답변'] = qna_df['답변'].apply(lambda x: x.split('답변\n')[1]) # "답변\n" 제거
+
+# SentenceTransformer 모델 로드
+embedding_model = SentenceTransformer('jeonseonjin/embedding_BAAI-bge-m3')
+
+# 쿼리 문장들에 대한 임베딩 벡터 생성
+query_texts = qna_df['질문'].to_list()
+query_embeddings = embedding_model.encode(query_texts)
+
+# query-answer 함수 정의
+def qna_answer_to_query(new_query, embedding_model=embedding_model, query_embeddings=query_embeddings, top_k=1, verbose=True):
+    # 쿼리 임베딩 계산
+    new_query_embedding = embedding_model.encode([new_query])
+
+    
+    # 코사인 유사도 계산
+    cos_sim = cosine_similarity(new_query_embedding, query_embeddings)
+    
+    # 코사인 유사도 값이 가장 큰 질문의 인덱스 찾기
+    most_similar_idx = np.argmax(cos_sim)
+    similarity = np.round(cos_sim[0][most_similar_idx], 2)
+    
+    # 가장 비슷한 질문과 답변 가져오기
+    similar_query = query_texts[most_similar_idx]
+    similar_answer = qna_df.iloc[most_similar_idx]['답변']
+    
+    if verbose == True:
+        print("가장 비슷한 질문 : ", similar_query)
+        print("가장 비슷한 질문의 유사도 : ", similarity)
+        print("가장 비슷한 질문의 답: ", similar_answer)
+
+    # 결과 반환
+    return similar_query, similarity, similar_answer
+
 import gradio as gr
 
-def greet(name):
-    return "Hello " + name + "!!"
+# 질문에 대한 답변을 제공하는 함수 (qna_answer_to_query 함수 사용)
+def chat_with(message, history):
+    # 사용자의 질문에 대해 full_answer_to_query를 사용하여 답변 생성
+    response = qna_answer_to_query(message)[2]
+    
+    # 질문과 답변을 히스토리에 저장 (history는 대화 히스토리)
+    history.append((message, response))  
+    
+    # Gradio가 (응답, history)를 반환해야 하므로, 대화 기록과 함께 반환
+    return history, history
+
+# Gradio Chatbot 인터페이스 생성
+with gr.Blocks() as demo:
+    chatbot = gr.Chatbot()  # 대화 기록을 표시하는 컴포넌트
+    msg = gr.Textbox(label="질문 입력")  # 질문 입력을 위한 텍스트 박스
+    clear = gr.Button("대화 기록 초기화")  # 대화 기록 초기화 버튼
+
+    # 대화가 시작될 때 실행할 동작 정의
+    msg.submit(chat_with, inputs=[msg, chatbot], outputs=[chatbot, msg])  # 입력값을 처리 후 출력
+
+    # 기록 초기화 버튼 동작 정의
+    clear.click(lambda: [], None, chatbot, queue=False)  # 대화 기록을 초기화
+
+# 앱 실행
+demo.launch(share=True)
 
-demo = gr.Interface(fn=greet, inputs="text", outputs="text")
-demo.launch()

ref/app.py

@@ -0,0 +1,7 @@
+import gradio as gr
+
+def greet(name):
+    return "Hello " + name + "!!"
+
+demo = gr.Interface(fn=greet, inputs="text", outputs="text")
+demo.launch()