With intencionality

FindinDB.py

@@ -1,8 +1,7 @@
 import gradio as gr
 from faiss import write_index, read_index
-
+from typing import List
-from langchain import PromptTemplate
+#from langchain import PromptTemplate
-from langchain.chains import LLMChain
 from langchain.document_loaders import TextLoader
 from langchain.text_splitter import CharacterTextSplitter
 from langchain.vectorstores import FAISS
@@ -11,28 +10,85 @@ from langchain.document_loaders import UnstructuredFileLoader
 from langchain.document_loaders.recursive_url_loader import RecursiveUrlLoader
 from langchain.document_loaders import UnstructuredURLLoader
 from langchain.document_loaders.csv_loader import CSVLoader
-from langchain import  LLMChain
+#from langchain import  LLMChain
-from langchain.llms import GPT4All
+from langchain.pydantic_v1 import BaseModel
-from langchain.embeddings import GPT4AllEmbeddings
+from langchain.schema.embeddings import Embeddings
-from langchain.callbacks.streaming_stdout import StreamingStdOutCallbackHandler
-from langchain.callbacks.base import BaseCallbackManager
 from langchain.document_loaders import DataFrameLoader
 from langchain.embeddings import HuggingFaceEmbeddings
 import pandas as pd
 import sqlite3
 from sentence_transformers import SentenceTransformer
 from fastapi import FastAPI
+from unidecode import unidecode
+from nltk.corpus import stopwords
 #from cleantext import clean
 import re
-model_name = 'hiiamsid/sentence_similarity_spanish_es'
-model_kwargs = {'device': 'cpu'}
-encode_kwargs = {'normalize_embeddings': True}
-hf = HuggingFaceEmbeddings(
-    model_name=model_name,
-    model_kwargs=model_kwargs,
-    encode_kwargs=encode_kwargs
-)
 
+def loadmodelEmb(model_name = "embeddings/all-mpnet-base-v2",model_kwargs = {'device': 'cpu'}):
+    hf = HuggingFaceEmbeddings(
+        model_name=model_name,
+        model_kwargs=model_kwargs
+    )
+    return hf
+
+def remove_emoji(string):
+    emoji_pattern = re.compile("["
+                           u"\U0001F600-\U0001F64F"  # emoticons
+                           u"\U0001F300-\U0001F5FF"  # symbols & pictographs
+                           u"\U0001F680-\U0001F6FF"  # transport & map symbols
+                           u"\U0001F1E0-\U0001F1FF"  # flags (iOS)
+                           u"\U00002702-\U000027B0"
+                           u"\U000024C2-\U0001F251"
+                           "]+", flags=re.UNICODE)
+    return emoji_pattern.sub(r' ', string)
+
+def remove_unwanted(document,stopOk=False):
+
+    # remove user mentions
+    document = re.sub("@[A-Za-z0-9_]+"," ", document)
+    # remove URLS 
+    document = re.sub(r'http\S+', ' ', document)
+    # remove hashtags
+    document = re.sub("#[A-Za-z0-9_]+","", document)
+    # remove emoji's
+    document = remove_emoji(document)
+    # remove punctuation
+    for sig in [".",",","!","¿","?","=","(",")"]:
+        document=document.replace(sig," ")
+    #document = re.sub("[^0-9A-Za-z ]", "" , document)
+    # remove double spaces
+    #print(document)
+    document=unidecode(document)
+    words=document.split(" ")
+
+    if stopOk:
+        stop_words = set(stopwords.words('spanish'))
+        words = [w for w in words if not w in stop_words]
+        document=" ".join(words)
+
+    document = document.replace('  ',"")
+    #print(document)
+    return document.strip().lower()
+
+
+class CustomEmbedding(Embeddings, BaseModel):
+    """embedding model with preprocessing"""
+    size=20
+    def _get_embedding(self,text) -> List[float]:
+        #print(text,"text")
+        text=remove_unwanted(text)
+        Sal=emb.embed_query(text)
+        return Sal
+    def embed_documents(self, texts: List[str]) -> List[List[float]]:
+        Sal=[]
+        for text in texts:
+            Sal.append(self._get_embedding(text))
+
+        return Sal
+    def embed_query(self, text: str) -> List[float]:
+        return self._get_embedding(text)
+
+emb=loadmodelEmb()
 CUSTOM_PATH = "/angela"
 app = FastAPI()
 
@@ -40,24 +96,15 @@ app = FastAPI()
 def read_main():
     return {"message": "This is your main app"}
 
-
-
-def loadModels():
-    #model = GPT4All("orca-mini-3b.ggmlv3.q4_0.bin")
-    callback_manager = BaseCallbackManager([StreamingStdOutCallbackHandler()])
-    llm = GPT4All(model="orca-mini-3b.ggmlv3.q4_0.bin",temp=0.1,streaming=True)#callback_manager=callback_manager, verbose=True,repeat_last_n=0
-    embeddings = GPT4AllEmbeddings()
-    return llm, embeddings
-
-
 def loadCopysAndData(pathsqlite="motor.sqlite"):
     con = sqlite3.connect(pathsqlite)
     copies_df = pd.read_sql_query("SELECT * from copies", con)
     copiesT = copies_df[copies_df.copy_start =="T"]
-    copiesT=copiesT[["copy_message","id","name"]]
+    copiesT=copiesT[["copy_message","id","name","intencionality"]]
     data = copiesT 
+    print(data)
     B=DataFrameLoader(data,page_content_column="copy_message")
-    B2=DataFrameLoader(data,page_content_column="name")
+    B2=DataFrameLoader(data,page_content_column="intencionality")
     documents=B.load()
     documents2=B2.load()
     return documents,documents2
@@ -71,17 +118,20 @@ def makeFaissdb(documents,folder_path,embedding):
         FAISS.save_local(db,folder_path=folder_path)
     return db
 
-llm,emb=loadModels()
+#llm,emb=loadModels()
+model="embeddings/all-mpnet-base-v2"
 documents,documents2=loadCopysAndData()
-
+emb=loadmodelEmb(model_name = model)
-db=makeFaissdb(documents,"Copies",emb)
+emb2=CustomEmbedding()
-db2=makeFaissdb(documents2,"names",emb)
+db=makeFaissdb(documents,"Copies3",emb2)
-db3=makeFaissdb(documents2,"nameshf",hf)
+db2=makeFaissdb(documents2,"Intencionality3",emb2)
+#db3=makeFaissdb(documents2,"nameshf",hf)
 
 def FinderDbs(query,dbs,filtred=False,th=1.2):
     AllData={}
     for dbt in dbs:
         Sal = dbt.similarity_search_with_score(query,4)
+        print(Sal)
         for output in Sal:
             if output[0].metadata["id"] in AllData.keys():
                 AllData[output[0].metadata["id"]]["d"]=min([AllData[output[0].metadata["id"]]["d"]-0.1,output[1]-0.1])

loadModelinlocal.py

@@ -1,9 +1,290 @@
 
+from langchain.document_loaders import DataFrameLoader
 from langchain.embeddings import HuggingFaceEmbeddings
-df=HuggingFaceEmbeddings(
+from langchain.vectorstores import FAISS
-    model_name="embeddings/all-MiniLM-L6-v2"
+from langchain.pydantic_v1 import BaseModel
-)
+from langchain.schema.embeddings import Embeddings
-text = "This is a test document."
+from scipy.spatial import distance
+from typing import List
+import sqlite3
+import pandas as pd
+import shutil
+import re
+import numpy as np
+import inspect
+import time
+from unidecode import unidecode
+from nltk.corpus import stopwords
+class CustomEmbedding(Embeddings, BaseModel):
+    """embedding model with preprocessing"""
+    size=20
+    def _get_embedding(self,text) -> List[float]:
+        #print(text,"text")
+        text=remove_unwanted(text)
+        Sal=emb.embed_query(text)
+        return Sal
+    def embed_documents(self, texts: List[str]) -> List[List[float]]:
+        Sal=[]
+        for text in texts:
+            Sal.append(self._get_embedding(text))
 
-query_result = df.embed_query(text)
+        return Sal
-print(query_result)
+    def embed_query(self, text: str) -> List[float]:
+        return self._get_embedding(text)
+
+def remove_emoji(string):
+    emoji_pattern = re.compile("["
+                           u"\U0001F600-\U0001F64F"  # emoticons
+                           u"\U0001F300-\U0001F5FF"  # symbols & pictographs
+                           u"\U0001F680-\U0001F6FF"  # transport & map symbols
+                           u"\U0001F1E0-\U0001F1FF"  # flags (iOS)
+                           u"\U00002702-\U000027B0"
+                           u"\U000024C2-\U0001F251"
+                           "]+", flags=re.UNICODE)
+    return emoji_pattern.sub(r' ', string)
+
+def remove_unwanted(document,stopOk=False):
+
+    # remove user mentions
+    document = re.sub("@[A-Za-z0-9_]+"," ", document)
+    # remove URLS 
+    document = re.sub(r'http\S+', ' ', document)
+    # remove hashtags
+    document = re.sub("#[A-Za-z0-9_]+","", document)
+    # remove emoji's
+    document = remove_emoji(document)
+    # remove punctuation
+    for sig in [".",",","!","¿","?","=","(",")"]:
+        document=document.replace(sig," ")
+    #document = re.sub("[^0-9A-Za-z ]", "" , document)
+    # remove double spaces
+    #print(document)
+    document=unidecode(document)
+    words=document.split(" ")
+
+    if stopOk:
+        stop_words = set(stopwords.words('spanish'))
+        words = [w for w in words if not w in stop_words]
+        document=" ".join(words)
+
+    document = document.replace('  ',"")
+    #print(document)
+    return document.strip().lower()
+
+def loadmodelEmb(model_name = "embeddings/all-MiniLM-L6-v2",model_kwargs = {'device': 'cpu'}):
+    hf = HuggingFaceEmbeddings(
+        model_name=model_name,
+        model_kwargs=model_kwargs
+    )
+    return hf
+
+
+def loadCopysAndData(pathsqlite="motor.sqlite"):
+    con = sqlite3.connect(pathsqlite)
+    copies_df = pd.read_sql_query("SELECT * from copies", con)
+    copiesT = copies_df[copies_df.copy_start =="T"]
+    copiesT=copiesT[["copy_message","id","name"]]
+    data = copiesT 
+    B=DataFrameLoader(data,page_content_column="copy_message")
+    B2=DataFrameLoader(data,page_content_column="name")
+    documents=B.load()
+    documents2=B2.load()
+    return documents,documents2
+def makeFaissdb(documents,folder_path,embedding):
+    try:
+        shutil.rmtree(folder_path)
+    except:
+        pass
+    db = FAISS.from_documents(documents, embedding)
+    FAISS.save_local(db,folder_path=folder_path)
+    return [db,folder_path]
+
+def FinderDbs(query,dbs,filtred=False,th=1.2):
+    AllData={}
+    for dbt in dbs:
+        Sal = dbt.similarity_search_with_score(query,4)
+        for output in Sal:
+            if output[0].metadata["id"] in AllData.keys():
+                AllData[output[0].metadata["id"]]["d"]=min([AllData[output[0].metadata["id"]]["d"]-0.1,output[1]-0.1])
+            else:
+                AllData[output[0].metadata["id"]]={"d":output[1],"page_content":output[0].page_content}
+    #for item in AllData.items():
+    #    print(item)
+    
+    if filtred:
+        filtredData={}
+        for row in AllData.keys():
+            if AllData[row]["d"]<1.2:
+                filtredData[row]=AllData[row]
+        filtredData=dict(sorted(filtredData.items(), key=lambda item: item[1]["d"]))
+        return  filtredData,filtredData.keys()
+
+
+    else:
+        AllData=dict(sorted(AllData.items(), key=lambda item: item[1]["d"]))
+        return  AllData,AllData.keys()
+
+models=["all-MiniLM-L12-v2","paraphrase-MiniLM-L3-v2" , "all-MiniLM-L6-v2","all-mpnet-base-v2","multi-qa-mpnet-base-dot-v1"]
+
+queries=["Quiero reportar un bacheo",
+                "reportar un bache en mi comunidad",
+                "¿Como reporto un bacheo en mi comunidad?",
+                "Quiero informar sobre un hoyo en la calle cerca de mi hogar.",
+                "Necesito reportar un bache en la vía cercana a mi residencia.",
+                "Estoy preocupado por un hueco en la carretera que está cerca de donde vivo.",
+                "Me gustaría notificar sobre un desnivel en la carretera en las inmediaciones de mi domicilio.",
+                "Quiero presentar una queja sobre un socavón en la vía que conduce a mi casa.",
+                "Estoy interesado en denunciar una irregularidad en la calle cercana a mi vivienda.",
+                "Necesito dar aviso sobre un problema en la carretera próxima a mi residencia.",
+                "Estoy observando un inconveniente en la carretera cerca de donde vivo y quisiera reportarlo.",
+                "Me gustaría informar sobre un obstáculo en la vía que está cerca de mi casa.",
+                "Quiero señalar un desperfecto en la carretera cercana a mi hogar.",
+                "Necesito poner en conocimiento de las autoridades un bache en la calle adyacente a mi domicilio.",
+                "Estoy solicitando la atención de las autoridades viales para solucionar un problema en la vía cerca de mi vivienda.",
+                "Me gustaría expresar mi preocupación acerca de un bache en la carretera que está cerca de donde resido.",
+                "Quiero dejar constancia de un deterioro en la calle cercana a mi casa.",
+                "Estoy interesado en informar sobre un desperfecto vial en la carretera cercana a mi hogar.",
+                "Necesito notificar sobre un agujero en la carretera que conduce a mi residencia.",
+                "Me gustaría alertar sobre un bache en la vía cerca de mi hogar.",
+                "Quiero dar aviso sobre un desnivel en la calle próxima a mi vivienda.",
+                "Estoy buscando reportar un problema vial en la carretera cercana a mi casa.",
+                "Necesito informar sobre un obstáculo en la vía que está cerca de mi domicilio.",
+                "Me gustaría señalar una irregularidad en la carretera adyacente a mi residencia.",
+                "Quiero presentar una queja sobre un desperfecto en la calle cercana a mi hogar.",
+                "Estoy interesado en denunciar un socavón en la vía que conduce a mi casa.",
+                "Necesito notificar sobre un inconveniente en la carretera próxima a mi residencia.",
+                "Me gustaría informar sobre un deterioro en la carretera cerca de donde vivo.",
+                "Quiero expresar mi preocupación acerca de un bache en la calle que está cerca de mi domicilio.",
+                "Estoy solicitando la atención de las autoridades para solucionar un problema vial en las inmediaciones de mi casa.",
+                "Necesito poner en conocimiento de las autoridades competentes un bache en la vía cercana a mi residencia.",
+                "Me gustaría alertar sobre un agujero en la carretera cerca de mi hogar.",
+                "Quiero notificar sobre un desnivel en la calle adyacente a mi domicilio.",
+                "Estoy buscando reportar un desperfecto en la carretera que está cerca de mi casa.",
+                "Necesito dar aviso sobre un obstáculo en la vía próxima a mi hogar.",
+                "Me gustaría señalar una irregularidad en la carretera cercana a mi residencia.",
+                "Quiero presentar una queja sobre un socavón en la vía que conduce a mi residencia.",
+                "Estoy interesado en denunciar un inconveniente en la carretera próxima a mi casa.",
+                "Necesito informar sobre un deterioro en la carretera cerca de donde vivo.",
+                "Quiero expresar mi preocupación acerca de un bache en la calle que está cerca de mi domicilio.",
+                "Estoy solicitando la atención de las autoridades para solucionar un problema vial en las inmediaciones de mi vivienda.",
+                "Necesito poner en conocimiento de las autoridades competentes un bache en la vía cercana a mi residencia.",
+                "Me gustaría alertar sobre un agujero en la carretera cerca de mi hogar.",
+                "Quiero notificar sobre un desnivel en la calle adyacente a mi domicilio.",
+                "Estoy buscando reportar un desperfecto en la carretera que está cerca de mi casa.",
+                "Necesito dar aviso sobre un obstáculo en la vía próxima a mi hogar.",
+                "Me gustaría señalar una irregularidad en la carretera cercana a mi residencia.",
+                "Quiero presentar una queja sobre un socavón en la vía que conduce a mi residencia.",
+                "Estoy interesado en denunciar un inconveniente en la carretera próxima a mi casa.",
+                "Necesito informar sobre un deterioro en la carretera cerca de donde vivo.",
+                "Quiero expresar mi preocupación acerca de un bache en la calle que está cerca de mi domicilio.",
+                "Estoy solicitando la atención de las autoridades para solucionar un problema vial en las inmediaciones de mi vivienda.",
+                "Necesito poner en conocimiento de las autoridades competentes un bache en la vía cercana a mi residencia."
+                ]
+
+
+# for model in models:
+#     emb=loadmodelEmb(model_name = model)
+#     emb2=CustomEmbedding()
+#     #print(inspect.getsource(HuggingFaceEmbeddings))
+#     documents,documents2=loadCopysAndData()
+#     db=makeFaissdb(documents,"TCopies",emb2)
+#     db2=makeFaissdb(documents2,"Tnames",emb2)
+#     for Fdb in [db,db2]:
+
+        
+        
+#         for query in queries:
+#             point=0
+#             AllData=FinderDbs(query,[Fdb[0]])
+#             print(model)
+#             print(Fdb[1])
+#             if 32 in AllData[1]:
+#                 point+=1
+#             if 32 == list(AllData[1])[0]:
+#                 point+=9
+#             print(AllData[1],point)
+
+
+
+copies_text=["Saber sobre actividades culturales.",
+"Saber sobre talleres.",
+"Información sobre talleres de literatura.",
+"Información sobre talleres de formación artistica.",
+"Obtener la certificación de uso de suelos.",
+"Reportar un bacheo.",
+"Saber dónde pago un parquímetro.",
+]
+for model in models:
+    print(model)
+    print(""" 
+
+
+    """)
+    t=time.time()
+    for copy_text in copies_text:
+        emb=loadmodelEmb(model_name = model)
+        emb2=CustomEmbedding()
+        sal=[]
+        for query in queries:
+            sal.append(distance.cosine(emb2.embed_query(query),emb2.embed_query(copy_text)))
+        print(model,",",copy_text,",",np.mean(sal),",",np.std(sal),",",(time.time()-t)/len(queries))
+
+
+
+
+
+
+{
+  "formas_de_reportar_bache": [
+    "Quiero informar sobre un hoyo en la calle cerca de mi hogar.",
+    "Necesito reportar un bache en la vía cercana a mi residencia.",
+    "Estoy preocupado por un hueco en la carretera que está cerca de donde vivo.",
+    "Me gustaría notificar sobre un desnivel en la carretera en las inmediaciones de mi domicilio.",
+    "Quiero presentar una queja sobre un socavón en la vía que conduce a mi casa.",
+    "Estoy interesado en denunciar una irregularidad en la calle cercana a mi vivienda.",
+    "Necesito dar aviso sobre un problema en la carretera próxima a mi residencia.",
+    "Estoy observando un inconveniente en la carretera cerca de donde vivo y quisiera reportarlo.",
+    "Me gustaría informar sobre un obstáculo en la vía que está cerca de mi casa.",
+    "Quiero señalar un desperfecto en la carretera cercana a mi hogar.",
+    "Necesito poner en conocimiento de las autoridades un bache en la calle adyacente a mi domicilio.",
+    "Estoy solicitando la atención de las autoridades viales para solucionar un problema en la vía cerca de mi vivienda.",
+    "Me gustaría expresar mi preocupación acerca de un bache en la carretera que está cerca de donde resido.",
+    "Quiero dejar constancia de un deterioro en la calle cercana a mi casa.",
+    "Estoy interesado en informar sobre un desperfecto vial en la carretera cercana a mi hogar.",
+    "Necesito notificar sobre un agujero en la carretera que conduce a mi residencia.",
+    "Me gustaría alertar sobre un bache en la vía cerca de mi hogar.",
+    "Quiero dar aviso sobre un desnivel en la calle próxima a mi vivienda.",
+    "Estoy buscando reportar un problema vial en la carretera cercana a mi casa.",
+    "Necesito informar sobre un obstáculo en la vía que está cerca de mi domicilio.",
+    "Me gustaría señalar una irregularidad en la carretera adyacente a mi residencia.",
+    "Quiero presentar una queja sobre un desperfecto en la calle cercana a mi hogar.",
+    "Estoy interesado en denunciar un socavón en la vía que conduce a mi casa.",
+    "Necesito notificar sobre un inconveniente en la carretera próxima a mi residencia.",
+    "Me gustaría informar sobre un deterioro en la carretera cerca de donde vivo.",
+    "Quiero expresar mi preocupación acerca de un bache en la calle que está cerca de mi domicilio.",
+    "Estoy solicitando la atención de las autoridades para solucionar un problema vial en las inmediaciones de mi casa.",
+    "Necesito poner en conocimiento de las autoridades competentes un bache en la vía cercana a mi residencia.",
+    "Me gustaría alertar sobre un agujero en la carretera cerca de mi hogar.",
+    "Quiero notificar sobre un desnivel en la calle adyacente a mi domicilio.",
+    "Estoy buscando reportar un desperfecto en la carretera que está cerca de mi casa.",
+    "Necesito dar aviso sobre un obstáculo en la vía próxima a mi hogar.",
+    "Me gustaría señalar una irregularidad en la carretera cercana a mi residencia.",
+    "Quiero presentar una queja sobre un socavón en la vía que conduce a mi residencia.",
+    "Estoy interesado en denunciar un inconveniente en la carretera próxima a mi casa.",
+    "Necesito informar sobre un deterioro en la carretera cerca de donde vivo.",
+    "Quiero expresar mi preocupación acerca de un bache en la calle que está cerca de mi domicilio.",
+    "Estoy solicitando la atención de las autoridades para solucionar un problema vial en las inmediaciones de mi vivienda.",
+    "Necesito poner en conocimiento de las autoridades competentes un bache en la vía cercana a mi residencia.",
+    "Me gustaría alertar sobre un agujero en la carretera cerca de mi hogar.",
+    "Quiero notificar sobre un desnivel en la calle adyacente a mi domicilio.",
+    "Estoy buscando reportar un desperfecto en la carretera que está cerca de mi casa.",
+    "Necesito dar aviso sobre un obstáculo en la vía próxima a mi hogar.",
+    "Me gustaría señalar una irregularidad en la carretera cercana a mi residencia.",
+    "Quiero presentar una queja sobre un socavón en la vía que conduce a mi residencia.",
+    "Estoy interesado en denunciar un inconveniente en la carretera próxima a mi casa.",
+    "Necesito informar sobre un deterioro en la carretera cerca de donde vivo.",
+    "Quiero expresar mi preocupación acerca de un bache en la calle que está cerca de mi domicilio.",
+    "Estoy solicitando la atención de las autoridades para solucionar un problema vial en las inmediaciones de mi vivienda.",
+    "Necesito poner en conocimiento de las autoridades competentes un bache en la vía cercana a mi residencia."
+  ]
+}

retrainEmbbeding.py

@@ -11,3 +11,65 @@ for model in models:
     # Save the model
     modelST.save(save_path)
 
+
+# all-MiniLM-L12-v2
+ 
+
+
+    
+# all-MiniLM-L12-v2 Saber sobre actividades culturales. 0.6535751457769086 0.05863175772626888 0.12278595510518776
+# all-MiniLM-L12-v2 Saber sobre talleres. 0.751629503845477 0.05310761464124975 0.1831973003891279
+# all-MiniLM-L12-v2 Información sobre talleres de literatura. 0.7224854452006415 0.05215076573219591 0.2247900827875677
+# all-MiniLM-L12-v2 Información sobre talleres de formación artistica. 0.7008979606232822 0.03950918605037314 0.2588270430294973
+# all-MiniLM-L12-v2 Obtener la certificación de uso de suelos. 0.6363654116990891 0.06126748264989437 0.2990496653430867
+# all-MiniLM-L12-v2 Reportar un bacheo. 0.5974184966305134 0.14056650047761457 0.33133007445425355
+# all-MiniLM-L12-v2 Saber dónde pago un parquímetro. 0.7286070458224445 0.04967551271473011 0.36476032688932597
+# paraphrase-MiniLM-L3-v2
+ 
+
+
+    
+# paraphrase-MiniLM-L3-v2 Saber sobre actividades culturales. 0.7366279968758482 0.08893400433814432 0.011976916834993183
+# paraphrase-MiniLM-L3-v2 Saber sobre talleres. 0.8040920436803051 0.07181478379134668 0.02360300747853405
+# paraphrase-MiniLM-L3-v2 Información sobre talleres de literatura. 0.7437334052301269 0.04553266191552214 0.036959598649222894
+# paraphrase-MiniLM-L3-v2 Información sobre talleres de formación artistica. 0.743870036748493 0.06526662723048463 0.05061841460893739
+# paraphrase-MiniLM-L3-v2 Obtener la certificación de uso de suelos. 0.7717547355774438 0.06484008413761407 0.062440363865978316
+# paraphrase-MiniLM-L3-v2 Reportar un bacheo. 0.6655234266285941 0.12495720849140243 0.0751793069659539
+# paraphrase-MiniLM-L3-v2 Saber dónde pago un parquímetro. 0.7348896817507707 0.04065274263873351 0.09146604897840968
+# all-MiniLM-L6-v2
+ 
+
+
+    
+# all-MiniLM-L6-v2 Saber sobre actividades culturales. 0.5873976949286881 0.054536409831093556 0.02166009399126161
+# all-MiniLM-L6-v2 Saber sobre talleres. 0.705393021384429 0.06415187629245482 0.040732748103591634
+# all-MiniLM-L6-v2 Información sobre talleres de literatura. 0.602608386747181 0.054022995767296696 0.06001406345727309
+# all-MiniLM-L6-v2 Información sobre talleres de formación artistica. 0.6445745034623189 0.05229467148751577 0.07957683869127957
+# all-MiniLM-L6-v2 Obtener la certificación de uso de suelos. 0.5708618561256799 0.0394827821548067 0.09872836436865465
+# all-MiniLM-L6-v2 Reportar un bacheo. 0.5741872079555271 0.13503311454160494 0.11794944529263478
+# all-MiniLM-L6-v2 Saber dónde pago un parquímetro. 0.6594361733956011 0.056983523732601314 0.13696542775855874
+# all-mpnet-base-v2
+ 
+
+
+    
+# all-mpnet-base-v2 Saber sobre actividades culturales. 0.5534035540829121 0.06890411125329764 0.08799683372929411
+# all-mpnet-base-v2 Saber sobre talleres. 0.6346356305674484 0.05816374415416716 0.2692093669243579
+# all-mpnet-base-v2 Información sobre talleres de literatura. 0.733400957902919 0.062002638662933096 0.4069641581121481
+# all-mpnet-base-v2 Información sobre talleres de formación artistica. 0.7403190712146518 0.06573001180535122 0.5049155163315108
+# all-mpnet-base-v2 Obtener la certificación de uso de suelos. 0.5057200806006308 0.040962860644441684 0.5848623266759908
+# all-mpnet-base-v2 Reportar un bacheo. 0.4282261685120943 0.1256224113877856 0.6733528038240829
+# all-mpnet-base-v2 Saber dónde pago un parquímetro. 0.5096540066521769 0.06542826690229307 0.7576164344571671
+# multi-qa-mpnet-base-dot-v1
+ 
+
+
+    
+# multi-qa-mpnet-base-dot-v1 Saber sobre actividades culturales. 0.5412514848207511 0.049426306929690425 0.08471853328201007
+# multi-qa-mpnet-base-dot-v1 Saber sobre talleres. 0.6004619942650676 0.04068730180147856 0.19998745198519724
+# multi-qa-mpnet-base-dot-v1 Información sobre talleres de literatura. 0.5422846411740877 0.035149354259768846 0.3127848022388962
+# multi-qa-mpnet-base-dot-v1 Información sobre talleres de formación artistica. 0.5810213727598411 0.033041479673933366 0.3915549134308437
+# multi-qa-mpnet-base-dot-v1 Obtener la certificación de uso de suelos. 0.5171735715348054 0.029578046799246076 0.4764851579126322
+# multi-qa-mpnet-base-dot-v1 Reportar un bacheo. 0.4249011819077356 0.12119208621320086 0.559126246650264
+# multi-qa-mpnet-base-dot-v1 Saber dónde pago un parquímetro. 0.49335939772807463 0.047415340138656205 0.65184190138331
+