import os
os.environ['KMP_DUPLICATE_LIB_OK']='True'


# 方法1
from modelscope.pipelines import pipeline
from modelscope.utils.constant import Tasks
# damo/nlp_corom_sentence-embedding_chinese-base-ecom
# damo/nlp_corom_sentence-embedding_chinese-base
# damo/nlp_corom_sentence-embedding_chinese-tiny
model_id = "damo/nlp_corom_sentence-embedding_chinese-base-ecom"
# model_id = "damo/nlp_gpt3_text-generation_chinese-base"
pipeline_se = pipeline(Tasks.sentence_embedding, model=model_id, max_length=1024)
#
# 当输入包含“soure_sentence”与“sentences_to_compare”时，会输出source_sentence中首个句子与sentences_to_compare中每个句子的向量表示，以及source_sentence中首个句子与sentences_to_compare中每个句子的相似度。
sentences_to_compare = [
            '''根据不同的季度、网红热点信息主动给用户推送热门景区和景点的游玩信息''',
            '''开发一个在线商品销售商城，提供旅游路线上的相关特产和旅游商品的查阅及下单功能''',
            '''推送相关旅游产品折扣信息以及景区景点举办的篝火晚会、烟花盛宴等活动内容，可通过线下报名参与。'''
        ]
inputs = {
        "source_sentence": [
            # '''模块功能：提供商家信息查询和种植区域查询等功能。功能描述：商家信息包括名称、地址、法人、联系方式、经营范围、投资规模等，种植区域主要是指丽水香茶种植区域的面积、位置、高程等信息，政府工作人员可根据多个查询条件完成上述信息的查询。'''
            '''展示乡村游中相关乡村举办的庆典活动，包含庆典举办时间、内容等'''
        ],
        "sentences_to_compare": sentences_to_compare
    }

result = pipeline_se(input=inputs)
print(result["scores"])

arr = result["scores"]
max_value = max(arr)
max_index = arr.index(max_value)
print("最大值：", max_value)
print("最相识内容：", sentences_to_compare[max_index])
# #
#