File size: 1,697 Bytes
a21c858 a925f1c a21c858 a925f1c a21c858 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 |
import gradio as gr
import torch
from sentence_transformers import SentenceTransformer
from torch.nn.functional import cosine_similarity
# モデルの読み込み
model = SentenceTransformer("Shuu12121/CodeCloneDetection-ModernBERT-Owl")
model.eval()
# 閾値設定（安定性の高い0.9推奨）
THRESHOLD = 0.9
def detect_clone(code1, code2):
if not code1.strip() or not code2.strip():
return "❌ どちらのコードも入力してください", ""
with torch.no_grad():
embeddings = model.encode([code1, code2], convert_to_tensor=True)
sim_score = cosine_similarity(embeddings[0].unsqueeze(0), embeddings[1].unsqueeze(0)).item()
result = (
f"🟢 類似度: {sim_score:.4f}\n→ これらのコードは **クローン** と判定されます。"
if sim_score >= THRESHOLD
else f"🔴 類似度: {sim_score:.4f}\n→ これらのコードは **クローンではありません**。"
)
return result, sim_score
# Gradioインターフェースの作成
demo = gr.Interface(
fn=detect_clone,
inputs=[
gr.Textbox(label="コードスニペット1", lines=10, placeholder="例: def add(a, b): return a + b"),
gr.Textbox(label="コードスニペット2", lines=10, placeholder="例: def sum(x, y): return x + y"),
],
outputs=[
gr.Markdown(label="判定結果"),
gr.Number(label="Cosine Similarity")
],
title="Code Clone Detection with ModernBERT-Owl 🦉",
description="Shuu12121/CodeModernBERT-Owl によって構築された Sentence-BERT モデルを使用し、コードクローンを検出します。"
)
if __name__ == "__main__":
demo.launch()
|