Merge branch 'main' of https://git.wmi.amu.edu.pl/s464915/JARVIS

data/dialog-11-02-01.tsv

@@ -1,10 +1,5 @@
-user:   Dzień dobry
-system: Czesc, jestem agentem dialogowym przyjmujacym zamowienia w restauracji.
-Moge doradzic ci w wyborze odpowiedniej pozycji z menu.
-W czym moge ci pomoc?
-user:   Chciałbym zjeść 3-daniowy obiad z kuchni włoskiej.
-system: Proponuję
-"Sałatka caprese",
-"Lasagne",
-"Tiramisu"
-user:   Mógłbyś mi napisać z jakich składników składa się sałatka?
+user	Dzień dobry 	hello()
+system  	Czesc, jestem agentem dialogowym przyjmujacym zamowienia w restauracji. Moge doradzic ci w wyborze odpowiedniej pozycji z menu. W czym moge ci pomoc? 	welcomemsg()
+user    	Chciałbym zjeść 3-daniowy obiad z kuchni włoskiej. 	inform()
+system  	Proponuję "Sałatka caprese", "Lasagne", "Tiramisu" 	select()
+user    	Mógłbyś mi napisać z jakich składników składa się sałatka? 	reqmore()

embeddings.py

@@ -0,0 +1,35 @@
+import numpy as np
+import torch
+from transformers import AutoModel, AutoTokenizer
+
+tokenizer = AutoTokenizer.from_pretrained("Geotrend/distilbert-base-pl-cased")
+model = AutoModel.from_pretrained("Geotrend/distilbert-base-pl-cased")
+
+text = """
+"nazwa": "Tatar wołowy","""
+# "skladniki": [
+#   "wołowina",
+#   "cebula",
+#   "ogórki kiszone",
+#   "musztarda",
+#   "jajko",
+#   "pieprz",
+#   "sól"
+# ],
+# "alergeny": [
+#   "jajko",
+#   "gorczyca"
+# ]
+# """
+encoded_input = tokenizer(text, return_tensors='pt', padding=True)
+output = model(**encoded_input)
+prompt = "tatar"
+encoded_prompt = tokenizer(prompt, return_tensors='pt', padding=True)
+output_prompt = model(**encoded_prompt)
+
+text_embedding = output.last_hidden_state[:, 0, :]
+prompt_embedding = output_prompt.last_hidden_state[:, 0, :]
+cosine = torch.nn.functional.cosine_similarity(
+    text_embedding, prompt_embedding, dim=1)
+
+print(cosine.item())