Create app.py

app.py

@@ -0,0 +1,54 @@
+import torch
+from transformers import AutoTokenizer, AutoModel
+import numpy as np
+from sklearn.metrics.pairwise import cosine_similarity
+import gradio as gr
+
+# 📌 مدل و توکنایزر
+model_name = "HooshvareLab/bert-fa-base-uncased"
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+model = AutoModel.from_pretrained(model_name)
+
+# 📄 دیتاست اولیه (FAQ)
+faq_data = {
+    "پایتخت ایران کجاست؟": "تهران",
+    "زبان رسمی ایران چیست؟": "فارسی",
+    "واحد پول ایران چیست؟": "ریال",
+    "چه زمانی انتخاب واحد شروع می‌شود؟": "معمولاً پایان شهریور یا بهمن.",
+    "چه معدلی برای گرفتن 24 واحد لازم است؟": "حداقل معدل 17.",
+}
+
+questions = list(faq_data.keys())
+answers = list(faq_data.values())
+
+# 📄 تولید embedding
+def get_embedding(text):
+    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=64)
+    with torch.no_grad():
+        outputs = model(**inputs)
+    emb = outputs.last_hidden_state.mean(dim=1).squeeze().cpu().numpy()
+    return emb
+
+faq_embeddings = [get_embedding(q) for q in questions]
+
+# 📄 تابع پاسخ
+def answer_question(user_question):
+    user_emb = get_embedding(user_question)
+    sims = [cosine_similarity([user_emb], [emb])[0][0] for emb in faq_embeddings]
+    best_idx = int(np.argmax(sims))
+    best_score = sims[best_idx]
+
+    if best_score > 0.7:
+        return answers[best_idx]
+    else:
+        return "متأسفم، جواب دقیقی در دیتاست پیدا نکردم."
+
+# 📄 رابط Gradio
+with gr.Blocks() as demo:
+    gr.Markdown("## 🤖 دستیار فارسی (پایه بر اساس semantic search با BERT)")
+    inp = gr.Textbox(label="سؤال خود را بنویسید")
+    out = gr.Textbox(label="پاسخ")
+    btn = gr.Button("پاسخ بده")
+    btn.click(fn=answer_question, inputs=inp, outputs=out)
+
+demo.launch()