Spaces:
Runtime error
Runtime error
| import streamlit as st | |
| from transformers import AutoTokenizer, AutoModel | |
| import torch | |
| # carregar o modelo e o tokenizer | |
| model = AutoModel.from_pretrained("neuralmind/bert-large-portuguese-cased") | |
| tokenizer = AutoTokenizer.from_pretrained("neuralmind/bert-large-portuguese-cased") | |
| st.title("Comparador de Similaridade de Textos em Português") | |
| st.write("Este aplicativo usa o modelo BERT-large treinado para o português para calcular a similaridade entre dois textos.") | |
| # definir as caixas de entrada para as duas frases | |
| frase1 = st.text_input("Insira a primeira frase:") | |
| frase2 = st.text_input("Insira a segunda frase:") | |
| # verificar se as frases foram inseridas e calcular a similaridade se sim | |
| if frase1 and frase2: | |
| # tokenizar as frases e obter os embeddings | |
| input_ids = tokenizer.encode_plus(frase1, frase2, padding='max_length', truncation=True, return_tensors='pt') | |
| print(input_ids.tolist()) | |
| with torch.no_grad(): | |
| embeddings = model(input_ids['input_ids'], attention_mask=input_ids['attention_mask'])[0] | |
| # calcular a similaridade entre os embeddings | |
| cos_sim = torch.nn.functional.cosine_similarity(embeddings[0], embeddings[1], dim=0) | |
| # imprimir o resultado | |
| st.write("A similaridade entre as frases é:", cos_sim.item()) |