First commit

source/process_vector_products.py

@@ -0,0 +1,47 @@
+import oracledb
+import os
+from sentence_transformers import SentenceTransformer
+import faiss
+import numpy as np
+import pickle
+
+# === CONFIGURAÇÃO ORACLE COM WALLET ===
+WALLET_PATH = "/WALLET_PATH/Wallet_oradb23ai"
+DB_ALIAS = "oradb23ai_high"
+USERNAME = "USER"
+PASSWORD = "Password"
+
+os.environ["TNS_ADMIN"] = WALLET_PATH
+
+# === CONECTANDO USANDO oracledb (modo thin) ===
+connection = oracledb.connect(user=USERNAME, password=PASSWORD, dsn=DB_ALIAS, config_dir=WALLET_PATH, wallet_location=WALLET_PATH, wallet_password=PASSWORD)
+
+cursor = connection.cursor()
+
+# === CONSULTA A TABELA DE PRODUTOS ===
+cursor.execute("SELECT id, codigo, descricao FROM produtos")
+rows = cursor.fetchall()
+
+ids = []
+descricoes = []
+
+for row in rows:
+    ids.append({"id": row[0], "codigo": row[1], "descricao": row[2]})
+    descricoes.append(row[2])  # Usado no embedding
+
+# === GERAÇÃO DE EMBEDDINGS COM SENTENCE TRANSFORMERS ===
+model = SentenceTransformer('all-MiniLM-L6-v2')
+embeddings = model.encode(descricoes, convert_to_numpy=True)
+
+# === CRIAÇÃO DO ÍNDICE FAISS ===
+dim = embeddings.shape[1]
+index = faiss.IndexFlatL2(dim)
+index.add(embeddings)
+
+# === SALVANDO O ÍNDICE E O MAPA DE PRODUTOS ===
+faiss.write_index(index, "faiss_index.bin")
+
+with open("produto_id_map.pkl", "wb") as f:
+    pickle.dump(ids, f)
+
+print("✅ Vetores gerados e salvos com sucesso.")