Update app.py

app.py

@@ -1,54 +1,88 @@
 import gradio as gr
 import torch
-from transformers import AutoTokenizer, AutoModel
 import numpy as np
+from transformers import BertTokenizer, BertModel
 
-# 1. 加载谷歌专利专用 BERT (0.3B 极其轻量)
+# 1. 核心引擎加载：强制使用慢速分词模式以兼容专利模型
 model_name = "anferico/bert-for-patents"
-tokenizer = AutoTokenizer.from_pretrained(model_name, use_fast=False)
-model = AutoModel.from_pretrained(model_name)
+
+print("正在加载专利专用分词器...")
+tokenizer = BertTokenizer.from_pretrained(
+    model_name, 
+    use_fast=False, 
+    local_files_only=False
+)
+
+print("正在加载 BERT 专利模型主体 (0.3B)...")
+model = BertModel.from_pretrained(model_name)
+model.eval() # 设置为评估模式
 
 def get_embedding(text):
-    # 将文本转化为 1024 维的专利语义向量
-    inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=512)
-    with torch.no_grad():
-        outputs = model(**inputs)
-    # 取最后一层隐藏状态的平均值作为特征向量 (Mean Pooling)
-    embeddings = outputs.last_hidden_state.mean(dim=1).squeeze().numpy()
-    return embeddings.tolist()
+    if not text.strip():
+        return [0] * 1024
+    try:
+        # 将文本转化为 1024 维的专利语义向量
+        inputs = tokenizer(text, return_tensors="pt", padding=True, truncation=True, max_length=512)
+        with torch.no_grad():
+            outputs = model(**inputs)
+        # 取最后一层隐藏状态的平均值作为特征向量 (Mean Pooling)
+        embeddings = outputs.last_hidden_state.mean(dim=1).squeeze().numpy()
+        return embeddings.tolist()
+    except Exception as e:
+        return f"向量化错误: {str(e)}"
 
 def compute_similarity(text1, text2):
-    # 计算两个专利描述之间的语义相似度 (余弦相似度)
-    v1 = np.array(get_embedding(text1))
-    v2 = np.array(get_embedding(text2))
-    similarity = np.dot(v1, v2) / (np.linalg.norm(v1) * np.linalg.norm(v2))
-    return f"{similarity:.4f}"
+    if not text1.strip() or not text2.strip():
+        return "请输入完整的对比文本"
+    try:
+        v1 = np.array(get_embedding(text1))
+        v2 = np.array(get_embedding(text2))
+        # 计算余弦相似度
+        similarity = np.dot(v1, v2) / (np.linalg.norm(v1) * np.linalg.norm(v2))
+        return f"{similarity:.4f}"
+    except Exception as e:
+        return f"计算失败: {str(e)}"
 
-# 2. 界面装修：走 OpenIPOS 旗舰风格
+# 2. OpenIPOS 旗舰版界面装修
 with gr.Blocks(theme=gr.themes.Soft()) as demo:
     gr.HTML("""
         <div style="display: flex; align-items: center; gap: 20px; padding: 10px;">
-            <img src="https://s3.bmp.ovh/2026/03/30/rIAGKg0O.png" style="height: 50px;">
+            <img src="https://s3.bmp.ovh/2026/03/30/rIAGKg0O.png" style="height: 50px; width: auto;">
             <div>
-                <h1 style="margin:0;">OpenIPOS Patent Vector Engine</h1>
-                <p style="margin:0; color:#666;">基于 BERT-for-Patents 的专业专利语义标尺 (0.3B)</p>
+                <h1 style="margin: 0; font-size: 24px;">OpenIPOS Patent Vector Engine</h1>
+                <p style="margin: 0; color: #666;">基于谷歌 BERT-for-Patents 的专业语义标尺 (0.3B)</p>
             </div>
         </div>
     """)
     
-    with gr.Tab("语义相似度比对"):
-        t1 = gr.Textbox(label="技术特征 A (或权利要求 1)", placeholder="例如：一种含有纳米材料的涂层...")
-        t2 = gr.Textbox(label="技术特征 B (或对比文件 D1)", placeholder="例如：一种表面处理工艺，包含特殊涂层...")
-        btn = gr.Button("开始比对", variant="primary")
-        out = gr.Label(label="语义重合度 (0-1)")
-        btn.click(compute_similarity, inputs=[t1, t2], outputs=out)
-        
-    with gr.Tab("向量化测试 (API 用)"):
-        input_text = gr.Textbox(label="输入专利文本")
-        vector_out = gr.JSON(label="生成的 1024 维特征向量")
-        v_btn = gr.Button("生成向量")
-        v_btn.click(get_embedding, inputs=input_text, outputs=vector_out)
-
-    gr.Markdown("> **提示**：该 Space 已自动开启 API 访问。你可以将此 URL 对接到 Dify 的自定义算子中，作为专利检索的 Embedding 引擎。")
+    with gr.Tabs():
+        with gr.TabItem("🔍 语义相似度比对"):
+            with gr.Row():
+                with gr.Column():
+                    t1 = gr.Textbox(label="本申请技术特征 (权利要求)", lines=8, placeholder="请输入权利要求书中的核心技术特征...")
+                with gr.Column():
+                    t2 = gr.Textbox(label="对比文件技术特征 (D1/D2)", lines=8, placeholder="请输入对比文件中的对应描述内容...")
+            
+            compare_btn = gr.Button("开始语义比对", variant="primary")
+            similarity_output = gr.Label(label="语义重合度评分 (0-1)")
+            
+            gr.Markdown("""
+            ### ⚖️ 判读参考：
+            * **0.85 - 1.00**：极高风险。语义高度重合，可能构成实质性相同。
+            * **0.70 - 0.85**：高风险。核心特征重叠，建议重点修改权利要求。
+            * **0.50 - 0.70**：中等风险。存在语义关联，具有一定的创造性抗辩空间。
+            """)
+            
+            compare_btn.click(compute_similarity, inputs=[t1, t2], outputs=similarity_output)
+
+        with gr.TabItem("📊 向量化测试 (API)"):
+            input_text = gr.Textbox(label="输入专利描述", lines=5)
+            v_btn = gr.Button("生成 1024 维特征向量")
+            vector_out = gr.JSON(label="向量数组")
+            v_btn.click(get_embedding, inputs=input_text, outputs=vector_out)
+
+    gr.Markdown("---")
+    gr.Markdown("© 2026 OpenIPOS Global Limited. 核心算法：BERT for Patents | 算力驱动：Hugging Face CPU Basic")
 
+# 启动
 demo.launch()