Spaces:
Running
Running
| <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 sobre un PDF</title> | |
| <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script> | |
| <script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/bert"></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 texto del PDF | |
| let textoPDF = ""; | |
| // Cargar y procesar el archivo PDF | |
| async function procesarPDF() { | |
| const archivo = document.getElementById("pdfInput").files[0]; | |
| if (archivo) { | |
| const archivoPDF = await leerPDF(archivo); | |
| textoPDF = archivoPDF.join(" "); | |
| alert("PDF cargado y procesado."); | |
| } | |
| } | |
| // 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 responder una pregunta utilizando el texto del PDF | |
| async function responderPregunta() { | |
| const pregunta = document.getElementById("inputPregunta").value; | |
| if (!textoPDF) { | |
| alert("Por favor, cargue un PDF primero."); | |
| return; | |
| } | |
| // Enviar la pregunta y el texto del PDF al modelo para obtener la respuesta | |
| const respuesta = await obtenerRespuestaConBERT(pregunta, textoPDF); | |
| // Mostrar la respuesta | |
| document.getElementById("respuesta").innerText = "Respuesta: " + respuesta; | |
| } | |
| // Función para obtener respuesta utilizando un modelo de TensorFlow.js con BERT | |
| async function obtenerRespuestaConBERT(pregunta, contexto) { | |
| // Cargar el modelo preentrenado de BERT usando TensorFlow.js | |
| const modelo = await tf.loadGraphModel('https://tensorflowjs-models.s3.us-east-2.amazonaws.com/distilbert_squad/model.json'); | |
| // Procesar la pregunta y contexto para usar en el modelo (esto varía según el modelo específico) | |
| const respuesta = await modelo.predict({ | |
| question: pregunta, | |
| context: contexto | |
| }); | |
| // Devolver la respuesta | |
| return respuesta; | |
| } | |
| </script> | |
| </body> | |
| </html> | |