#endpointe ait model 
import requests
from config import HUGGINGFACE_API_URL, HUGGINGFACE_API_KEY
from database import get_reference_data,connect_to_mongodb,insert_data_into_input_db


#reference mongodb den çekilen veriler

#input mongodb üzerindne çekilen veriler(kullanıcıdan alınan bilgilerin lamba üzerinden alınması gerekiyor, lamba fonksiyonu için dockerfile in gelişitirilmnesi atılması gerekiyor )

#enpointin tanımlanması ve model entegresi

#alınan verilerin karşılaştırılmasının yapılması (title,keywords,text)

#benzerlik oranı belirlee (örneğin 0.5 in üzerinde yakaldığı benzerlikteki textler ve keywordler için yakalama)


def get_huggingface_prediction(input_data): #input_data'yı main.py ile entegre etmeliyim
    headers = {
        "Authorization": f"Bearer {HUGGINGFACE_API_KEY}"
    }
    payload = {
        "inputs": input_data
    }

    response = requests.post(HUGGINGFACE_API_URL, headers=headers, json=payload)
    return response.json()



"""def calculate_similarity(text1, text2):
    model = SentenceTransformer('paraphrase-MiniLM-L6-v2')
    embedding1 = model.encode(text1, convert_to_tensor=True)
    embedding2 = model.encode(text2, convert_to_tensor=True)
    similarity_score = util.pytorch_cos_sim(embedding1, embedding2)
    return similarity_score.item()"""