Update main.py

main.py

@@ -6,13 +6,12 @@ import torch
 
 torch.cuda.is_available()
 
-# 1. Türkçe destekli güçlü bir Sentence Transformer modeli yüklüyoruz
 # (Bu model cümleleri anlamsal vektörlere dönüştürür)
 model_name = "paraphrase-multilingual-mpnet-base-v2"
 print("Model yükleniyor...")
 model = SentenceTransformer(model_name)
 
-# 2. Veri setiniz (Örnek olarak hazırlanmıştır, kendi 25 cümlenizi buraya ekleyin)
+
 data = [
     {"sentence1": "Sabahları erkenden kalkıp yürüyüş yapmayı çok severdi.", "sentence2": "Gözleri ekrana kilitlenmişti, karakterlerle birlikte replikleri mırıldanıyordu.", "humanScore": 12.51},
     {"sentence1": "Hava bugün çok yağmurlu.", "sentence2": "Bugün dışarıda şiddetli yağış var.", "humanScore": 86.74},
@@ -68,12 +67,12 @@ data = [
 
 df = pd.DataFrame(data)
 
-# 3. Cümlelerin vektörlerini (Embedding) çıkarma
+# Cümlelerin vektörlerini (Embedding) çıkarma
 print("Vektörler hesaplanıyor...")
 embeddings1 = model.encode(df['sentence1'].tolist(), convert_to_tensor=True)
 embeddings2 = model.encode(df['sentence2'].tolist(), convert_to_tensor=True)
 
-# 4. Kosinüs Benzerliği Hesaplama (0-100 ve 0-1 Normalizasyonu)
+#  Kosinüs Benzerliği Hesaplama (0-100 ve 0-1 Normalizasyonu)
 cos_scores = []
 cos_scores_norm = []
 for i in range(len(df)):
@@ -91,7 +90,7 @@ for i in range(len(df)):
     cos_scores.append(score_100)
     cos_scores_norm.append(score_0_1)
 
-# 5. Sonuçları dataframe'e ekleme
+# Sonuçları dataframe'e ekleme
 df['CosScore'] = cos_scores
 df['CosScoreNorm'] = cos_scores_norm
 
@@ -99,7 +98,7 @@ df['CosScoreNorm'] = cos_scores_norm
 output_columns = ['sentence1', 'sentence2', 'humanScore', 'CosScore', 'CosScoreNorm']
 df = df[output_columns]
 
-csv_filename = "stsb_tr_custom_dataset.csv"
+csv_filename = "STS.csv"
 df.to_csv(csv_filename, index=False, encoding='utf-8-sig')
 
 print(f"İşlem tamamlandı! Veri seti '{csv_filename}' dosyasına kaydedildi.")