{ "cells": [ { "cell_type": "code", "execution_count": 1, "metadata": {}, "outputs": [ { "name": "stderr", "output_type": "stream", "text": [ "/Users/valeriaalesnikova/Desktop/bootcamp/ghjtrn/smart_book_search/.venv/lib/python3.11/site-packages/tqdm/auto.py:21: TqdmWarning: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html\n", " from .autonotebook import tqdm as notebook_tqdm\n" ] } ], "source": [ "import torch\n", "from transformers import AutoTokenizer, AutoModel\n", "import pandas as pd\n", "import numpy as np\n", "from sklearn.metrics.pairwise import cosine_similarity\n", "import faiss\n", "from sentence_transformers import util" ] }, { "cell_type": "code", "execution_count": 2, "metadata": {}, "outputs": [], "source": [ "# Загрузка модели и токенизатора BERT\n", "model_name = \"cointegrated/rubert-tiny2\"\n", "tokenizer = AutoTokenizer.from_pretrained(model_name)\n", "model = AutoModel.from_pretrained(model_name)" ] }, { "cell_type": "code", "execution_count": 4, "metadata": {}, "outputs": [ { "data": { "text/html": [ "
\n", "\n", "\n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", " \n", "
Unnamed: 0page_urlimage_urlauthortitleannotationcleaned_textlemmatized_textcleaned_titletext_length
00https://www.biblio-globus.ru//product/10957168https://static1.bgshop.ru/imagehandler.ashx?fi...Маринина А.Ричард Третий и Генрих Восьмой глазами ШекспираРасследование жизни и деяний двух самых опороч...расследование жизни деяний самых опороченных в...расследование жизнь деяние самый опорочить воз...ричард третий и генрих восьмой глазами ше...1046
11https://www.biblio-globus.ru//product/10997075https://static1.bgshop.ru/imagehandler.ashx?fi...Михалкова Е.И.Знак истинного путиСыщики Макар Илюшин и Сергей Бабкин расследуют...сыщики макар илюшин сергей бабкин расследуют п...сыщик макар илюшин сергей бабкин расследовать ...знак истинного пути242
22https://www.biblio-globus.ru//product/10941892https://static1.bgshop.ru/imagehandler.ashx?fi...Маринина А.Генрих Шестой глазами ШекспираГенрих Шестой – самая трагическая фигура на ан...генрих самая трагическая фигура английском пре...генрих самый трагический фигура английский пре...генрих шестой глазами шекспира1005
33https://www.biblio-globus.ru//product/10978116https://static1.bgshop.ru/imagehandler.ashx?fi...Маринина А.Иоанн Безземельный, Эдуард Третий и Ричард Вто...Истории трех знаменитых королей под одной обло...истории трех знаменитых королей обложкой посво...история три знаменитый король обложка посвоему...иоанн безземельный эдуард третий и ричар...1050
44https://www.biblio-globus.ru//product/10845007https://static1.bgshop.ru/extraimagehandler.as...Маринина А.Шпаргалка для ленивых любителей истории. Корол...Первая книга в необычном для Александры Марини...первая необычном александры марининой жанре по...первый необычный александра маринин жанр попул...шпаргалка для ленивых любителей истории. кор...598
.................................
35903935Преступления продолжаются\\и количество трупов в виде мумий растет. Элиз...которая повлекла за собой нечто более зловещее\\чем она могла себе представить. Ее репортажи ...и каждая новая догадка обличает богатых и вли...новая догадка обличает богатых влиятельных гра...новый догадка обличать богатый влиятельный гра...чем она могла себе представить. ее репортажи...144
35913953https://www.biblio-globus.ru//product/10958255https://static1.bgshop.ru/imagehandler.ashx?fi...Кинг С.Извлечение троих: из цикла \\\"Темная Башня\\\"Цикл «Темная Башня» — это opus magnum — лучшая...цикл темная башня лучшая стивена кинга история...цикл тёмный башня хороший стивен кинг история ...извлечение троих: из цикла \\\" темная башня\\\"85
35923954Юный Роланд — последний благородный рыцарь в м...«сдвинувшемся с места». Ему во что бы то ни с...краеугольный камень мироздания. Но прежде Рол...как говорят карты Таро\\в современную Америку на поиски помощников. В...современную америку поиски помощников смогут п...современный америка поиск помощник смочь проти...как говорят карты таро\\92
35933962Антиквар изучает рукопись\\а в городе происходят загадочные и порой откр...оживают обезглавленные мертвецы\\улицы наполняются толпами зомби. И похоже на то\\что главной целью нечисти становится именно К...главной целью нечисти становится кирилл неболь...главный цель нечисть становиться кирилл неболь...улицы наполняются толпами зомби. и похоже на...181
35943972Четверо подростков из небольшого городишка реш...которое хочет уничтожить все живое и возродит...старше самой Евы. И именно ребятам теперь пре...несмотря на их возраст и ужасы\\противостоящие им. На карту поставлено все: ж...противостоящие карту поставлено жизни души чел...противостоящий карта поставить жизнь душа чело...несмотря на их возраст и ужасы\\89
\n", "

3595 rows × 10 columns

\n", "
" ], "text/plain": [ " Unnamed: 0 page_url \\\n", "0 0 https://www.biblio-globus.ru//product/10957168 \n", "1 1 https://www.biblio-globus.ru//product/10997075 \n", "2 2 https://www.biblio-globus.ru//product/10941892 \n", "3 3 https://www.biblio-globus.ru//product/10978116 \n", "4 4 https://www.biblio-globus.ru//product/10845007 \n", "... ... ... \n", "3590 3935 Преступления продолжаются\\ \n", "3591 3953 https://www.biblio-globus.ru//product/10958255 \n", "3592 3954 Юный Роланд — последний благородный рыцарь в м... \n", "3593 3962 Антиквар изучает рукопись\\ \n", "3594 3972 Четверо подростков из небольшого городишка реш... \n", "\n", " image_url \\\n", "0 https://static1.bgshop.ru/imagehandler.ashx?fi... \n", "1 https://static1.bgshop.ru/imagehandler.ashx?fi... \n", "2 https://static1.bgshop.ru/imagehandler.ashx?fi... \n", "3 https://static1.bgshop.ru/imagehandler.ashx?fi... \n", "4 https://static1.bgshop.ru/extraimagehandler.as... \n", "... ... \n", "3590 и количество трупов в виде мумий растет. Элиз... \n", "3591 https://static1.bgshop.ru/imagehandler.ashx?fi... \n", "3592 «сдвинувшемся с места». Ему во что бы то ни с... \n", "3593 а в городе происходят загадочные и порой откр... \n", "3594 которое хочет уничтожить все живое и возродит... \n", "\n", " author \\\n", "0 Маринина А. \n", "1 Михалкова Е.И. \n", "2 Маринина А. \n", "3 Маринина А. \n", "4 Маринина А. \n", "... ... \n", "3590 которая повлекла за собой нечто более зловещее\\ \n", "3591 Кинг С. \n", "3592 краеугольный камень мироздания. Но прежде Рол... \n", "3593 оживают обезглавленные мертвецы\\ \n", "3594 старше самой Евы. И именно ребятам теперь пре... \n", "\n", " title \\\n", "0 Ричард Третий и Генрих Восьмой глазами Шекспира \n", "1 Знак истинного пути \n", "2 Генрих Шестой глазами Шекспира \n", "3 Иоанн Безземельный, Эдуард Третий и Ричард Вто... \n", "4 Шпаргалка для ленивых любителей истории. Корол... \n", "... ... \n", "3590 чем она могла себе представить. Ее репортажи ... \n", "3591 Извлечение троих: из цикла \\\"Темная Башня\\\" \n", "3592 как говорят карты Таро\\ \n", "3593 улицы наполняются толпами зомби. И похоже на то\\ \n", "3594 несмотря на их возраст и ужасы\\ \n", "\n", " annotation \\\n", "0 Расследование жизни и деяний двух самых опороч... \n", "1 Сыщики Макар Илюшин и Сергей Бабкин расследуют... \n", "2 Генрих Шестой – самая трагическая фигура на ан... \n", "3 Истории трех знаменитых королей под одной обло... \n", "4 Первая книга в необычном для Александры Марини... \n", "... ... \n", "3590 и каждая новая догадка обличает богатых и вли... \n", "3591 Цикл «Темная Башня» — это opus magnum — лучшая... \n", "3592 в современную Америку на поиски помощников. В... \n", "3593 что главной целью нечисти становится именно К... \n", "3594 противостоящие им. На карту поставлено все: ж... \n", "\n", " cleaned_text \\\n", "0 расследование жизни деяний самых опороченных в... \n", "1 сыщики макар илюшин сергей бабкин расследуют п... \n", "2 генрих самая трагическая фигура английском пре... \n", "3 истории трех знаменитых королей обложкой посво... \n", "4 первая необычном александры марининой жанре по... \n", "... ... \n", "3590 новая догадка обличает богатых влиятельных гра... \n", "3591 цикл темная башня лучшая стивена кинга история... \n", "3592 современную америку поиски помощников смогут п... \n", "3593 главной целью нечисти становится кирилл неболь... \n", "3594 противостоящие карту поставлено жизни души чел... \n", "\n", " lemmatized_text \\\n", "0 расследование жизнь деяние самый опорочить воз... \n", "1 сыщик макар илюшин сергей бабкин расследовать ... \n", "2 генрих самый трагический фигура английский пре... \n", "3 история три знаменитый король обложка посвоему... \n", "4 первый необычный александра маринин жанр попул... \n", "... ... \n", "3590 новый догадка обличать богатый влиятельный гра... \n", "3591 цикл тёмный башня хороший стивен кинг история ... \n", "3592 современный америка поиск помощник смочь проти... \n", "3593 главный цель нечисть становиться кирилл неболь... \n", "3594 противостоящий карта поставить жизнь душа чело... \n", "\n", " cleaned_title text_length \n", "0 ричард третий и генрих восьмой глазами ше... 1046 \n", "1 знак истинного пути 242 \n", "2 генрих шестой глазами шекспира 1005 \n", "3 иоанн безземельный эдуард третий и ричар... 1050 \n", "4 шпаргалка для ленивых любителей истории. кор... 598 \n", "... ... ... \n", "3590 чем она могла себе представить. ее репортажи... 144 \n", "3591 извлечение троих: из цикла \\\" темная башня\\\" 85 \n", "3592 как говорят карты таро\\ 92 \n", "3593 улицы наполняются толпами зомби. и похоже на... 181 \n", "3594 несмотря на их возраст и ужасы\\ 89 \n", "\n", "[3595 rows x 10 columns]" ] }, "execution_count": 4, "metadata": {}, "output_type": "execute_result" } ], "source": [ "books = pd.read_csv('/Users/valeriaalesnikova/Desktop/bootcamp/ghjtrn/smart_book_search/data/data_withot_loveread.csv')\n", "books" ] }, { "cell_type": "code", "execution_count": 5, "metadata": {}, "outputs": [], "source": [ "# Максимальная длина текста\n", "MAX_LEN = 300" ] }, { "cell_type": "code", "execution_count": 6, "metadata": {}, "outputs": [], "source": [ "# Функция для встраивания текста с использованием BERT\n", "def embed_bert_cls(text, model=model, tokenizer=tokenizer):\n", " t = tokenizer(text,\n", " padding=True,\n", " truncation=True,\n", " return_tensors='pt',\n", " max_length=MAX_LEN)\n", " with torch.no_grad():\n", " model_output = model(**{k: v.to(model.device) for k, v in t.items()})\n", " embeddings = model_output.last_hidden_state[:, 0, :]\n", " embeddings = torch.nn.functional.normalize(embeddings)\n", " return embeddings[0].cpu().squeeze()" ] }, { "cell_type": "code", "execution_count": 7, "metadata": {}, "outputs": [], "source": [ "# Функция для обработки текста, чтобы все значения были строками\n", "def preprocess_text(text):\n", " if isinstance(text, str):\n", " return text\n", " elif pd.isna(text):\n", " return \"\"\n", " else:\n", " return str(text)\n", "\n", "# Применение функции к колонке 'annotation'\n", "books['lemmatized_text'] = books['lemmatized_text'].apply(preprocess_text)\n", "\n", "# Вычисление векторов для всех текстов в DataFrame\n", "embeddings = []\n", "for text in books['lemmatized_text']: # Предполагаем, что тексты находятся в колонке 'annotation'\n", " embedding = embed_bert_cls(text)\n", " embeddings.append(embedding.numpy())\n", "\n", "# Преобразование списка векторов в массив numpy\n", "embeddings_array = np.stack(embeddings)\n", "\n", "# Сохранение векторов в текстовый файл\n", "np.savetxt('embeddings.txt', embeddings_array)" ] }, { "cell_type": "code", "execution_count": 8, "metadata": {}, "outputs": [ { "name": "stdout", "output_type": "stream", "text": [ "Венчание со страхом\n", "Фартовый город\n", "Ловцы черных душ. Дело глазника\n", "Убийство на улице Роз\n", "Апология здравого смысла\n" ] } ], "source": [ "# Загрузка предварительно вычисленных векторов\n", "embeddings = np.loadtxt('embeddings.txt')\n", "embeddings_tensor = [torch.tensor(embedding) for embedding in embeddings]\n", "\n", "# Создание индекса Faiss\n", "embeddings_matrix = np.stack(embeddings)\n", "index = faiss.IndexFlatIP(embeddings_matrix.shape[1])\n", "index.add(embeddings_matrix)\n", "\n", "# Текст запроса\n", "text = 'Между сыщиком и преступником начинается жесткая игра'\n", "\n", "# Встраивание запроса и поиск ближайших векторов с использованием Faiss\n", "query_embedding = embed_bert_cls(text)\n", "query_embedding = query_embedding.numpy().astype('float32')\n", "k, indices = index.search(np.expand_dims(query_embedding, axis=0), 5)\n", "\n", "# Вывод результатов\n", "for i in indices[0]:\n", " print(books['title'][i])\n" ] } ], "metadata": { "kernelspec": { "display_name": ".venv", "language": "python", "name": "python3" }, "language_info": { "codemirror_mode": { "name": "ipython", "version": 3 }, "file_extension": ".py", "mimetype": "text/x-python", "name": "python", "nbconvert_exporter": "python", "pygments_lexer": "ipython3", "version": "3.11.8" } }, "nbformat": 4, "nbformat_minor": 2 }