Create app.py

app.py

@@ -0,0 +1,111 @@
+import gradio as gr
+import glob
+from docx import Document
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+
+import torch
+from transformers import T5ForConditionalGeneration, T5Tokenizer
+
+# 1. Получение текстов из абзацев и таблиц .docx
+def get_blocks_from_docx():
+    docx_list = glob.glob("*.docx")
+    if not docx_list:
+        return ["Файл .docx не найден!"]
+    doc = Document(docx_list[0])
+    blocks = []
+    # Абзацы
+    for p in doc.paragraphs:
+        txt = p.text.strip()
+        if txt and not (len(txt) <= 3 and txt.isdigit()):
+            blocks.append(txt)
+    # Таблицы
+    for table in doc.tables:
+        for row in table.rows:
+            row_text = " | ".join(cell.text.strip() for cell in row.cells if cell.text.strip())
+            if row_text:
+                blocks.append(row_text)
+    # Удаляем дубли
+    seen = set()
+    uniq_blocks = []
+    for b in blocks:
+        if b not in seen:
+            uniq_blocks.append(b)
+            seen.add(b)
+    return uniq_blocks
+
+blocks = get_blocks_from_docx()
+vectorizer = TfidfVectorizer().fit(blocks)
+matrix = vectorizer.transform(blocks)
+
+# 2. Загрузка модели rut5-base-multitask
+tokenizer = T5Tokenizer.from_pretrained("cointegrated/rut5-base-multitask")
+model = T5ForConditionalGeneration.from_pretrained("cointegrated/rut5-base-multitask")
+model.eval()
+device = 'cpu'
+
+def rut5_answer(question, context):
+    prompt = f"question: {question} context: {context}"
+    input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to(device)
+    with torch.no_grad():
+        output_ids = model.generate(input_ids, max_length=200, num_beams=4)
+    return tokenizer.decode(output_ids[0], skip_special_tokens=True)
+
+# 3. Комбинированная функция: поиск + генерация
+def ask_chatbot(question):
+    if not question.strip():
+        return "Пожалуйста, введите вопрос."
+    if len(blocks) < 2:
+        return "Ошибка: база знаний пуста или слишком мала. Проверьте .docx."
+    # Находим релевантный абзац
+    user_vec = vectorizer.transform([question])
+    sims = cosine_similarity(user_vec, matrix)[0]
+    best_idx = sims.argmax()
+    best_block = blocks[best_idx]
+    score = sims[best_idx]
+    if score < 0.12:
+        context = ""
+    else:
+        context = best_block
+    # Генерируем нейросетевой ответ на русском с учетом найденного контекста
+    answer = rut5_answer(question, context)
+    # Для большей прозрачности покажем также фрагмент из документа (можно убрать)
+    if context:
+        return f"**Ответ:** {answer}\n\n---\n**Релевантный фрагмент из документа:**\n{context}"
+    else:
+        return f"**Ответ:** {answer}\n\n(Контекст в документе не найден — ответ дан на основе общего знания модели.)"
+
+EXAMPLES = [
+    "Какие требования к объему магистерской диссертации?",
+    "Как оформить список литературы?",
+    "Какие сроки сдачи и защиты ВКР?",
+    "Что должно быть во введении?",
+    "Какой процент оригинальности требуется?",
+    "Как оформлять формулы?"
+]
+
+with gr.Blocks() as demo:
+    gr.Markdown(
+        """
+        # Русскоязычный FAQ-чат-бот на базе вашей методички и нейросетевой модели
+
+        Задайте вопрос — получайте свежий AI-ответ, опирающийся на ваш документ!
+        """
+    )
+    question = gr.Textbox(label="Ваш вопрос", lines=2)
+    ask_btn = gr.Button("Получить ответ")
+    answer = gr.Markdown(label="Ответ", visible=True)
+    ask_btn.click(ask_chatbot, question, answer)
+    question.submit(ask_chatbot, question, answer)
+    gr.Markdown("#### Примеры вопросов:")
+    gr.Examples(EXAMPLES, inputs=question)
+    gr.Markdown("""
+    ---
+
+    ### Контакты (укажите свои)
+    Преподаватель: ___________________
+    Email: ___________________________
+    Кафедра: _________________________
+    """)
+
+demo.launch()