<aside> ℹ️

Result mong muốn:

• truy vấn theo vector: cosine similiarity, chọn top k gần nhất
• node
• sau đó streamlit ⇒ trả về ID section

Hình dung kết quả đạt được:

• Một Streamlit web app có nút search và box để chứa input text
• Người dùng nhập text vào để search video, nó sẽ trả về ở mức đơn giản là ID Section </aside>

<aside> 🎯

Purpose

• Biết được kết quả trả về khi áp dụng code Retrieval có sẵn nó như thế nào ở một mức triển khai đơn giản là streamlit
• Căn bản để tạo một web với công cụ và nền tảng khác để cải tiến hiệu suất của công cụ truy vấn video </aside>

<aside> ✅

Massive Action:

• [x] 1> Run main code
• [ ] Use reference 1 code with my private repo
• [ ] Run the reference 1 code: know how to replace our backend
• [ ] Wrap model into web </aside>

<aside> 📚

References

• App retrieval reference 1: https://github.com/khizarsait/Query-Based-Video-Segment-Retrieval-Using-Knowledge-Graphs/blob/main/Frontend/app_retrieval_fronted.py
• Main source:https://www.kaggle.com/code/phatdatto/hcmai-kg
• Neo4j Tutorial: https://www.youtube.com/watch?v=8jNPelugC2s

</aside>

<aside> ℹ️

Processing notes:

Run main source

• Run at: https://www.kaggle.com/code/banhmuy/hcmai-kg-ac7ecf/edit

Use Fronted reference 1 code with my private repo:

• https://github.com/mylethidiem/Basic-Query-Video-Retrieval-Using-Knowledge-Graphs

Run requirement packages:

conda create --name kg_streamlit_test python=3.11 -y
conda install nltk transformers sentence-transformers numpy streamlit neo4j

Run reference 1 web app:

streamlit run app_retrieval_frontend.py

Run the backend in Colab, remember using normal video having sound

.

</aside>