Update app.py

app.py

@@ -92,7 +92,6 @@ def calculate_similarity(user_question, pdf_text):
     
     return max_similarity.item()
 
-
 def main():
     load_dotenv()
     user_question = st.text_area("Eingabe:")
@@ -106,25 +105,20 @@ def main():
     text_chunks = get_text_chunks(pdf_text)
     create_vectorstore_and_store(text_chunks)
     
-    retriever=get_vectorstore().as_retriever()
-    retrieved_docs=retriever.invoke(
-    user_question
-    )
+    retriever = get_vectorstore().as_retriever()
+    retrieved_docs = retriever.invoke(user_question)
     if user_question:
         st.text(retrieved_docs[0].page_content)
-          # bei incoming pdf
+        # bei eingehendem PDF
 
-    #vectorstore_DB=get_vectorstore()        # bei Abfrage durch Chatbot
-    #print(get_vectorstore().similarity_search_with_score("stelle")) # zeigt an ob Vektordatenbank gefüllt ist
-    
-    #print(get_conversation_chain(get_vectorstore()))
     similarity_score = calculate_similarity(user_question, pdf_text)
     
     # Nutze similarity_score zur Bewertung der Relevanz der Frage für die PDF-Inhalte
     relevance_threshold = 0.3  # Beispielwert, anpassen nach Bedarf
 
     st.write("Ähnlichkeit der Frage mit den PDF-Inhalten:", similarity_score)
-   if similarity_score >= relevance_threshold:
+    
+    if similarity_score >= relevance_threshold:
         st.success("Die Frage ist relevant für die PDF-Inhalte.")
         # Führe die weitere Verarbeitung durch
         retriever = get_vectorstore().as_retriever()
@@ -133,12 +127,7 @@ def main():
             st.text(retrieved_docs[0].page_content)
             # bei eingehendem PDF
     else:
-        st.error("Die Frage ist nicht ausreichend relevant für die PDF-Inhalte. Bitte eine präzisere Frage stellen. Ähnlichkeit:" )
-
-    
-
-
-
+        st.error("Die Frage ist nicht ausreichend relevant für die PDF-Inhalte. Bitte eine präzisere Frage stellen.")
 
 if __name__ == '__main__':
-    main()
+    main()