RAG_test_1 / app.py
la04's picture
Update app.py
b12560a verified
raw
history blame
3.09 kB
import faiss
import numpy as np
import gradio as gr
from sentence_transformers import SentenceTransformer
import fitz # PyMuPDF für die Textextraktion aus PDFs
from transformers import pipeline
import logging
# Logging konfigurieren
logging.basicConfig(level=logging.INFO)
# Modelle laden
model = SentenceTransformer('all-mpnet-base-v2')
qa_model = pipeline("question-answering", model="deepset/roberta-base-squad2")
# FAISS-Index erstellen
def create_faiss_index(documents):
document_embeddings = model.encode(documents)
dimension = len(document_embeddings[0])
index = faiss.IndexFlatL2(dimension)
document_embeddings = np.array(document_embeddings).astype('float32')
index.add(document_embeddings)
return index, documents
# Text aus PDF extrahieren
def extract_text_from_pdf(pdf_path):
doc = fitz.open(pdf_path)
text_chunks = []
for page_num in range(len(doc)):
page = doc.load_page(page_num)
text = page.get_text("text")
chunks = text.split('\n\n') # Unterteilen nach Absätzen
text_chunks.extend(chunks)
return text_chunks
# Suche nach mehreren passenden Abschnitten
def search_documents(query, index, documents, k=10):
query_embedding = model.encode([query])[0].astype('float32')
D, I = index.search(np.array([query_embedding]), k=k) # Suche nach den Top k Treffern
results = [documents[i] for i in I[0]]
return results # Liste von Kontexten zurückgeben
# Kombiniere mehrere Antworten
def generate_detailed_answer(contexts, question):
detailed_answer = []
for context in contexts:
try:
result = qa_model(question=question, context=context)
detailed_answer.append(result['answer'])
except Exception as e:
logging.warning(f"Fehler im QA-Modell: {e}")
return " ".join(detailed_answer)
# Gesamtprozess
def chatbot_response(pdf_path, question):
logging.info(f"Frage: {question}")
# Text extrahieren
text_chunks = extract_text_from_pdf(pdf_path)
# FAISS-Index erstellen
index, documents = create_faiss_index(text_chunks)
# Suche nach Kontexten
contexts = search_documents(question, index, documents, k=10)
logging.info(f"Gefundene Kontexte: {[context[:100] for context in contexts]}") # Logge die ersten 100 Zeichen jedes Kontexts
# Antwort generieren
answer = generate_detailed_answer(contexts, question)
return answer
# Gradio-Interface
pdf_input = gr.File(label="PDF-Datei hochladen", type="filepath")
question_input = gr.Textbox(label="Frage eingeben", placeholder="Stelle eine Frage zu dem PDF-Dokument")
response_output = gr.Textbox(label="Antwort")
interface = gr.Interface(
fn=chatbot_response,
inputs=[pdf_input, question_input],
outputs=response_output,
title="PDF-Fragebeantwortung mit FAISS und Transformers",
description="Lade eine PDF-Datei hoch und stelle Fragen zu ihrem Inhalt. Das System verwendet FAISS, Transformers und ein QA-Modell, um detaillierte Antworten zu liefern."
)
if __name__ == "__main__":
interface.launch()