room mapping ai下載 - room mapping ai源代碼下載

room mapping ai

其他源碼

1.0.0

下載

房間映射IA API（readme.md）

概述

房間映射-AI是概念驗證（POC）Web API，可讓用戶找到最佳的酒店房間名稱匹配。

此應用程序中最關鍵的成分是OpenAI嵌入SDK和PostgreSQL數據庫與向量擴展的組合。

提供新的酒店房間名稱後，API從OpenAI API中檢索嵌入矢量，並將其存儲在PostgreSQL數據庫中。

然後，它使用PostgreSQL中的本機搜索功能來根據距離向量相似性找到潛在的匹配。

Web API和Postgres數據庫都在容器中運行，除了Docker以外，都無需安裝任何內容。

用於計算OpenIA側嵌入的模型為： AdaTextEmbedding

什麼是嵌入

Openai的文本嵌入量衡量文本字符串的相關性。嵌入通常用於：

搜索（在其中通過與查詢字符串相關的結果對結果進行排名）

嵌入是浮點數的向量（列表）。兩個向量之間的距離測量其相關性。

較小的距離表明高相關性和較大的距離表明低相關性。

技術

Openai嵌入
Openai-Api-Dotnet
pGVECTOR擴展
Docker
C＃7.0

安裝

先決條件

Docker

步驟

克隆存儲庫：https：//github.com/brunonuzzi/room-mapping-ai
創建打開的AI密鑰：https：//platform.openai.com/account/api-keys
導航到項目目錄： cd room-mapping-ai
用您自己的打開API鍵替換房間映射-AI/AppSettings.json。

 "OpenAI" : {
    "ApiKey" : " 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 "
  }

使用Docker構建Docker容器： docker-compose build Build
運行Docker組成： docker-compose up
導航到http：// localhost：5000/swagger/index.html

停止和卸下容器： docker-compose down --remove-orphans

用法

要使用房間映射AI API，請發送帶有酒店房間名稱的郵政請求作為請求主體

curl -X ' POST ' 
  ' http://localhost:5000/api/RoomMapping/GetMostSimilarRooms?roomName=Serenity%20Luxury ' 
  -H ' accept: text/plain ' 
  -d ' '

API將以潛在匹配的列表做出回應：

[
  {
    "id" : 1 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Serenity Suite " ,
    "vectorDistance" : 0.06337405572419863
  },
  {
    "id" : 10 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Serenity Double Room " ,
    "vectorDistance" : 0.08145154924929454
  },
  {
    "id" : 5 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Royal Executive Suite " ,
    "vectorDistance" : 0.15970261195384094
  },
  {
    "id" : 4 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Urban Escape Penthouse " ,
    "vectorDistance" : 0.16005893649310143
  },
  {
    "id" : 2 ,
    "hotelName" : " Mallorca Rocks " ,
    "roomName" : " Ocean View Deluxe " ,
    "vectorDistance" : 0.16867594238009598
  }
]

預先種子的數據和样品查詢

創建數據庫連接

打開您首選的PostgreSQL客戶端（PSQL，PGADMIN或DBEAVER），並創建一個新連接：

主持人： localhost
端口： 5432
用戶名： roommapping-user
密碼： roommapping-password
數據庫名稱： room-mapping

列出預種子數據

房間映射-AI帶有預種植的數據，可幫助您快速入門。這些數據包括一系列酒店房間名稱，其各自的嵌入向量。為了探索預種植的數據並更好地了解應用程序的功能，您可以直接在PostgreSQL數據庫上執行示例查詢。

例如，您可以使用以下查詢找到與房間ID = 1（Serenity Suite）的前5個最相似的酒店房間（基於它們的嵌入矢量）：

 SELECT   Id
          ,HotelName
         ,RoomName
         ,CreatedDate
         , ' Serenity Suite ' SearchedRoomName
         ,embedding <=> ( select embedding from rooms where id = 1 )
         as vector_distance
FROM     public . Rooms
ORDER BY vector_distance limit 5

<=>操作員在上一個查詢的平均cosine distance中，您可以在這裡找到其他操作員

數據庫將生成以下結果

ID	酒店名稱	房間名稱	創建日期	搜索房間名稱	vector_distance
1	馬洛卡岩石	寧靜套房	2023-03-28	寧靜套房	0
13	馬洛卡岩石	寧靜的奢侈品	2023-03-28	寧靜套房	0.06337405572419863
10	馬洛卡岩石	寧靜雙人間	2023-03-28	寧靜套房	0.06572621072063112
5	馬洛卡岩石	皇家行政套房	2023-03-28	寧靜套房	0.12737531341984398
3	馬洛卡岩石	花園露台房間	2023-03-28	寧靜套房	0.1471648253749488

為了更好地了解播種方式，您可以檢查seed.sql文件

在視覺工作室進行調試

要調試Visual Studio上的WEP API，請首先確保刪除與Web API相關的所有現有容器，以避免移植衝突。

卸下容器後，只需在Visual Studio上打開room-mapping-ai.sln ，然後啟動Docker Compose。

Web API應啟動，並將附加調試器。

Openia API調用樣品

代碼片段直接致電OpenAI API並生成酒店房間名稱的嵌入向量

curl https://api.openai.com/v1/embeddings 
  -H " Content-Type: application/json " 
  -H " Authorization: Bearer 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 " 
  -d ' {
    "input": "Ocean View Deluxe",
    "model": "text-embedding-ada-002"
  } '

預期的結果：

{
  "object" : " list " ,
  "data" : [
    {
      "object" : " embedding " ,
      "index" : 0 ,
      "embedding" : [
        0.0041769226 ,
        0.0067320974 ,
        ...
      ]
    }
  ],
  "model" : " text-embedding-ada-002-v2 " ,
  "usage" : {
    "prompt_tokens" : 3 ,
    "total_tokens" : 3
  }
}