Spaces:

eduardmtz
/

www

Running

App Files Files Community

eduardmtz commited on Dec 18, 2024

Commit

a60d562

verified ·

1 Parent(s): eb7343a

Create test1.html

Browse files

Files changed (1) hide show

test1.html +118 -0

test1.html ADDED Viewed

	@@ -0,0 +1,118 @@

+<!DOCTYPE html>
+<html lang="es">
+<head>
+    <meta charset="UTF-8">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>Modelo de Preguntas y Respuestas PDF</title>
+    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
+    <script src="https://cdnjs.cloudflare.com/ajax/libs/pdf.js/2.11.338/pdf.min.js"></script>
+</head>
+<body>
+    <h1>Modelo de Preguntas y Respuestas sobre un PDF</h1>
+    <input type="file" id="pdfInput" />
+    <button onclick="procesarPDF()">Cargar PDF</button>
+    <h2>Preguntar sobre el PDF</h2>
+    <input type="text" id="inputPregunta" placeholder="Escribe tu pregunta aquí">
+    <button onclick="responderPregunta()">Hacer pregunta</button>
+    <h3>Respuesta:</h3>
+    <div id="respuesta"></div>
+    <script>
+        // Variable global para almacenar el modelo
+        let modelo;
+        // Cargar y procesar el archivo PDF
+        async function procesarPDF() {
+            const archivo = document.getElementById("pdfInput").files[0];
+            if (archivo) {
+                const archivoPDF = await leerPDF(archivo);
+                const textoPDF = archivoPDF.join(" ");
+                // Entrenar el modelo con el texto extraído
+                modelo = await entrenarModelo(textoPDF);
+                // Almacenar el modelo en IndexedDB
+                almacenarModeloEnIndexedDB(modelo);
+            }
+        }
+        // Leer y extraer el texto del archivo PDF
+        async function leerPDF(archivo) {
+            const lector = new FileReader();
+            return new Promise((resolve, reject) => {
+                lector.onload = async function (e) {
+                    const arrayBuffer = e.target.result;
+                    const pdf = await pdfjsLib.getDocument(arrayBuffer).promise;
+                    let texto = [];
+                    for (let i = 1; i <= pdf.numPages; i++) {
+                        const pagina = await pdf.getPage(i);
+                        const contenido = await pagina.getTextContent();
+                        const textoPagina = contenido.items.map(item => item.str).join(" ");
+                        texto.push(textoPagina);
+                    }
+                    resolve(texto);
+                };
+                lector.onerror = reject;
+                lector.readAsArrayBuffer(archivo);
+            });
+        }
+        // Función para entrenar un modelo simple (esto es solo un ejemplo)
+        async function entrenarModelo(textoPDF) {
+            const tokenizer = new tf.tokenizers.BertTokenizer();
+            const tokens = tokenizer.encode(textoPDF);
+            const inputs = tf.tensor(tokens);
+            // Aquí simplemente estamos creando un modelo muy simple para ilustrar
+            const modelo = tf.sequential();
+            modelo.add(tf.layers.dense({ units: 64, inputShape: [inputs.shape[1]] }));
+            modelo.add(tf.layers.dense({ units: 32 }));
+            modelo.add(tf.layers.dense({ units: 1, activation: 'sigmoid' }));
+            modelo.compile({ optimizer: 'adam', loss: 'binaryCrossentropy' });
+            await modelo.fit(inputs, inputs, { epochs: 10 });
+            return modelo;
+        }
+        // Almacenar el modelo en IndexedDB
+        function almacenarModeloEnIndexedDB(modelo) {
+            const request = indexedDB.open("ModeloPDF", 1);
+            request.onupgradeneeded = function (event) {
+                const db = event.target.result;
+                if (!db.objectStoreNames.contains("modelos")) {
+                    db.createObjectStore("modelos");
+                }
+            };
+            request.onsuccess = function (event) {
+                const db = event.target.result;
+                const transaction = db.transaction(["modelos"], "readwrite");
+                const store = transaction.objectStore("modelos");
+                store.put(modelo, "modeloPDF");
+                transaction.oncomplete = function () {
+                    console.log("Modelo almacenado en IndexedDB");
+                };
+            };
+        }
+        // Función para responder una pregunta utilizando el modelo
+        async function responderPregunta() {
+            const pregunta = document.getElementById("inputPregunta").value;
+            if (modelo && pregunta) {
+                // Simulación de un proceso de predicción (esto debe ser ajustado según el modelo real)
+                const tokenizer = new tf.tokenizers.BertTokenizer();
+                const tokens = tokenizer.encode(pregunta);
+                const input = tf.tensor(tokens);
+                const prediccion = modelo.predict(input);
+                document.getElementById("respuesta").innerText = prediccion.toString();
+            } else {
+                alert("Por favor, cargue el PDF y entrene el modelo primero.");
+            }
+        }
+    </script>
+</body>
+</html>