Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
|
@@ -5,6 +5,7 @@ import os
|
|
| 5 |
import re
|
| 6 |
import gradio as gr
|
| 7 |
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
|
|
|
|
| 8 |
|
| 9 |
# --- 1. MODELLERİN HAZIRLANMASI ---
|
| 10 |
ner_pipe = pipeline("ner", model="xlm-roberta-large-finetuned-conll03-english", aggregation_strategy="simple", device=-1)
|
|
@@ -36,90 +37,116 @@ def get_random_examples():
|
|
| 36 |
except:
|
| 37 |
return [["Oppenheimer filmi geçen yıl vizyona girdi."], ["Sefiller romanı Victor Hugo tarafından yazılmıştır."]]
|
| 38 |
|
|
|
|
|
|
|
| 39 |
@spaces.GPU
|
| 40 |
-
def
|
| 41 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
| 42 |
|
| 43 |
device = "cuda" if torch.cuda.is_available() else "cpu"
|
| 44 |
llm_model.to(device)
|
| 45 |
|
| 46 |
-
#
|
| 47 |
label_rules = ""
|
| 48 |
-
for k, v in
|
| 49 |
label_rules += f"### {k}\n- TANIM: {v['tanim']}\n- ANAHTARLAR: {', '.join(v['anahtar_kelimeler'])}\n\n"
|
| 50 |
|
| 51 |
-
#
|
| 52 |
-
|
| 53 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
| 54 |
|
| 55 |
ETİKET TANIMLARI:
|
| 56 |
{label_rules}
|
| 57 |
|
| 58 |
SİSTEMATİK CoT ADIMLARI:
|
| 59 |
-
1.
|
| 60 |
-
2.
|
| 61 |
-
3.
|
| 62 |
-
4.
|
| 63 |
|
| 64 |
REFERANS ANALİZLER (FEW-SHOT):
|
| 65 |
-
Örnek 1
|
| 66 |
-
|
| 67 |
-
CÜMLE: "Dün gece Inception filmini tekrar izledim."
|
| 68 |
-
WIKI: "Inception, Christopher Nolan tarafından yönetilen 2010 yapımı bilimkurgu filmidir."
|
| 69 |
-
ANALİZ:
|
| 70 |
-
- Adım 1: Cümlede 'film' ve 'izlemek' kelimeleri görsel esere işaret ediyor.
|
| 71 |
-
- Adım 2: Wiki verisi varlığın bir film olduğunu doğruluyor.
|
| 72 |
-
- Adım 3: Kaynaklar arasında çelişki yok.
|
| 73 |
-
- Adım 4: MOVIE etiketi uygundur.
|
| 74 |
-
CEVAP: MOVIE
|
| 75 |
-
|
| 76 |
-
Örnek 2 (Kritik Çelişki):
|
| 77 |
-
VARLIK: 'Gizli Bahçe'
|
| 78 |
-
CÜMLE: "Yazar son romanı 'Gizli Bahçe' ile ödül aldı."
|
| 79 |
-
WIKI: "Gizli Bahçe: 1993 yapımı bir dram filmidir."
|
| 80 |
-
ANALİZ:
|
| 81 |
-
- Adım 1: Cümlede 'roman' ve 'yazar' kelimeleri varlığı doğrudan kitap olarak niteliyor.
|
| 82 |
-
- Adım 2: Wiki verisi bu ismi bir film (movie) olarak gösteriyor.
|
| 83 |
-
- Adım 3: ÇELİŞKİ TESPİT EDİLDİ. Kaynak hiyerarşisi gereği cümledeki 'roman' ifadesi Wikipedia'dan daha önceliklidir.
|
| 84 |
-
- Adım 4: BOOK etiketi uygundur.
|
| 85 |
-
CEVAP: BOOK
|
| 86 |
|
| 87 |
GÜNCEL GÖREV:
|
| 88 |
-
|
| 89 |
-
|
| 90 |
-
|
| 91 |
-
|
| 92 |
-
ÇIKTI KURALLARI:
|
| 93 |
-
- Cevabında asla yıldız (*) veya markdown kullanma.
|
| 94 |
-
- Analiz adımlarını yukarıdaki 4 adımlı protokole göre yaz.
|
| 95 |
|
| 96 |
-
ÇIKTI FORMATI:
|
| 97 |
-
|
| 98 |
-
|
|
|
|
|
|
|
|
|
|
| 99 |
|
| 100 |
messages = [{"role": "user", "content": prompt}]
|
| 101 |
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
|
| 102 |
model_inputs = tokenizer([text], return_tensors="pt").to(device)
|
| 103 |
|
| 104 |
try:
|
| 105 |
-
generated_ids = llm_model.generate(model_inputs.input_ids, max_new_tokens=
|
| 106 |
response_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
|
| 107 |
full_output = tokenizer.batch_decode(response_ids, skip_special_tokens=True)[0].strip()
|
| 108 |
|
| 109 |
-
#
|
| 110 |
-
|
| 111 |
-
|
| 112 |
-
|
| 113 |
-
|
| 114 |
-
|
| 115 |
-
if match:
|
| 116 |
-
extracted = match.group(1).upper().strip()
|
| 117 |
-
if extracted in valid_keys: final_label = extracted
|
| 118 |
-
|
| 119 |
-
return final_label, clean_output
|
| 120 |
except Exception as e:
|
| 121 |
-
|
|
|
|
| 122 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 123 |
# --- 3. ANA İŞLEM HATTI ---
|
| 124 |
def process_ner(text):
|
| 125 |
current_logs = ["🚀 <b>Sistem Başlatıldı:</b> Metin analiz ediliyor..."]
|
|
|
|
| 5 |
import re
|
| 6 |
import gradio as gr
|
| 7 |
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
|
| 8 |
+
from labels_config import CUSTOM_LABELS
|
| 9 |
|
| 10 |
# --- 1. MODELLERİN HAZIRLANMASI ---
|
| 11 |
ner_pipe = pipeline("ner", model="xlm-roberta-large-finetuned-conll03-english", aggregation_strategy="simple", device=-1)
|
|
|
|
| 37 |
except:
|
| 38 |
return [["Oppenheimer filmi geçen yıl vizyona girdi."], ["Sefiller romanı Victor Hugo tarafından yazılmıştır."]]
|
| 39 |
|
| 40 |
+
|
| 41 |
+
|
| 42 |
@spaces.GPU
|
| 43 |
+
def refine_labels_batch(misc_items, full_sentence):
|
| 44 |
+
"""
|
| 45 |
+
MISC etiketli varlıkları toplu olarak CoT protokolüyle işler.
|
| 46 |
+
misc_items: list of dict -> [{'word': '...', 'wiki': '...'}, ...]
|
| 47 |
+
"""
|
| 48 |
+
if not IS_LLM_ENABLED or not misc_items: return []
|
| 49 |
|
| 50 |
device = "cuda" if torch.cuda.is_available() else "cpu"
|
| 51 |
llm_model.to(device)
|
| 52 |
|
| 53 |
+
# Etiket kurallarını metne dönüştür
|
| 54 |
label_rules = ""
|
| 55 |
+
for k, v in CUSTOM_LABEL_DEFINITIONS.items():
|
| 56 |
label_rules += f"### {k}\n- TANIM: {v['tanim']}\n- ANAHTARLAR: {', '.join(v['anahtar_kelimeler'])}\n\n"
|
| 57 |
|
| 58 |
+
# Hedef varlıkları listele
|
| 59 |
+
targets_text = ""
|
| 60 |
+
for i, item in enumerate(misc_items):
|
| 61 |
+
targets_text += f"\nVARLIK {i+1}: {item['word']}\nWIKI BİLGİSİ: {item['wiki']}\n"
|
| 62 |
+
|
| 63 |
+
prompt = f"""Sen yüksek hassasiyetli bir semantik analiz uzmanısın.
|
| 64 |
+
Görevin, sana verilen listedeki varlıkları aşağıdaki 4 adımlı Sistematik CoT protokolüne göre sınıflandırmaktır.
|
| 65 |
|
| 66 |
ETİKET TANIMLARI:
|
| 67 |
{label_rules}
|
| 68 |
|
| 69 |
SİSTEMATİK CoT ADIMLARI:
|
| 70 |
+
1. Sentaktik İnceleme (Cümle bağlamı)
|
| 71 |
+
2. Bilgi Entegrasyonu (Wikipedia verisi)
|
| 72 |
+
3. Çelişki ve Hiyerarşi Denetimi (Cümle bilgisi Wikipedia'dan üstündür)
|
| 73 |
+
4. Etiket Eşleşmesi
|
| 74 |
|
| 75 |
REFERANS ANALİZLER (FEW-SHOT):
|
| 76 |
+
Örnek 1: 'Inception' | Cümle: 'Inception filmini izledim' | Wiki: '2010 yapımı film' -> Cevap: MOVIE
|
| 77 |
+
Örnek 2: 'Gizli Bahçe' | Cümle: 'Yazar son romanı Gizli Bahçe ile...' | Wiki: '1993 yapımı film' -> Cevap: BOOK (Cümle öncelikli)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 78 |
|
| 79 |
GÜNCEL GÖREV:
|
| 80 |
+
ORİJİNAL CÜMLE: "{full_sentence}"
|
| 81 |
+
ANALİZ EDİLECEK VARLIKLAR:
|
| 82 |
+
{targets_text}
|
|
|
|
|
|
|
|
|
|
|
|
|
| 83 |
|
| 84 |
+
ÇIKTI FORMATI:
|
| 85 |
+
Sadece aşağıdaki JSON yapısını döndür, başka açıklama ekleme:
|
| 86 |
+
[
|
| 87 |
+
{{"varlik": "VARLIK_ADI", "analiz": "Adım 1-2-3-4 özeti", "karar": "ETIKET_ADI"}},
|
| 88 |
+
...
|
| 89 |
+
]"""
|
| 90 |
|
| 91 |
messages = [{"role": "user", "content": prompt}]
|
| 92 |
text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
|
| 93 |
model_inputs = tokenizer([text], return_tensors="pt").to(device)
|
| 94 |
|
| 95 |
try:
|
| 96 |
+
generated_ids = llm_model.generate(model_inputs.input_ids, max_new_tokens=1000, do_sample=False, temperature=0.1)
|
| 97 |
response_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
|
| 98 |
full_output = tokenizer.batch_decode(response_ids, skip_special_tokens=True)[0].strip()
|
| 99 |
|
| 100 |
+
# JSON Ayıklama
|
| 101 |
+
json_match = re.search(r'\[.*\]', full_output, re.DOTALL)
|
| 102 |
+
if json_match:
|
| 103 |
+
return json.loads(json_match.group(0))
|
| 104 |
+
return []
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 105 |
except Exception as e:
|
| 106 |
+
print(f"Batch Hatası: {e}")
|
| 107 |
+
return []
|
| 108 |
|
| 109 |
+
def process_ner(text):
|
| 110 |
+
current_logs = ["🚀 <b>Sistem Başlatıldı:</b> Metin analiz ediliyor..."]
|
| 111 |
+
final_results = []
|
| 112 |
+
misc_buffer = [] # Toplanacak MISC varlıklar
|
| 113 |
+
|
| 114 |
+
initial_results = ner_pipe(text)
|
| 115 |
+
|
| 116 |
+
# 1. Aşama: Hızlı Tespit ve MISC Toplama
|
| 117 |
+
for entity in initial_results:
|
| 118 |
+
word = entity['word'].replace(" ", " ").strip()
|
| 119 |
+
label = entity['entity_group']
|
| 120 |
+
|
| 121 |
+
if label in ["PER", "ORG", "LOC"]:
|
| 122 |
+
final_results.append({"Varlık": word, "İlk": label, "Nihai": label, "Kaynak": "Model"})
|
| 123 |
+
current_logs.append(f"✅ <b>{word}</b>: {label}")
|
| 124 |
+
elif label == "MISC":
|
| 125 |
+
wiki_text = get_wiki_summary(word)
|
| 126 |
+
misc_buffer.append({"word": word, "wiki": wiki_text or "Bilgi yok."})
|
| 127 |
+
current_logs.append(f"🔍 <b>Kuyruğa Alındı:</b> '{word}' (Wiki sorgulandı)")
|
| 128 |
+
|
| 129 |
+
yield "<br>".join(current_logs), [[r["Varlık"], r["İlk"], r["Nihai"], r["Kaynak"]] for r in final_results]
|
| 130 |
+
|
| 131 |
+
# 2. Aşama: Batch LLM İşleme
|
| 132 |
+
if misc_buffer:
|
| 133 |
+
current_logs.append(f"🧠 <b>Batch İşlem:</b> {len(misc_buffer)} varlık CoT ile analiz ediliyor...")
|
| 134 |
+
yield "<br>".join(current_logs), [[r["Varlık"], r["İlk"], r["Nihai"], r["Kaynak"]] for r in final_results]
|
| 135 |
+
|
| 136 |
+
llm_responses = refine_labels_batch(misc_buffer, text)
|
| 137 |
+
|
| 138 |
+
for res in llm_responses:
|
| 139 |
+
final_results.append({
|
| 140 |
+
"Varlık": res['varlik'],
|
| 141 |
+
"İlk": "MISC",
|
| 142 |
+
"Nihai": res['karar'],
|
| 143 |
+
"Kaynak": "RAG+Batch LLM"
|
| 144 |
+
})
|
| 145 |
+
current_logs.append(f"<div style='color:#28a745;'>💡 <b>{res['varlik']}</b> analizi tamamlandı.</div>")
|
| 146 |
+
|
| 147 |
+
current_logs.append("✨ <b>Analiz Tamamlandı.</b>")
|
| 148 |
+
table_display = [[r["Varlık"], r["İlk"], f"<b>{r['Nihai']}</b>", r["Kaynak"]] for r in final_results]
|
| 149 |
+
yield "<br>".join(current_logs), table_display
|
| 150 |
# --- 3. ANA İŞLEM HATTI ---
|
| 151 |
def process_ner(text):
|
| 152 |
current_logs = ["🚀 <b>Sistem Başlatıldı:</b> Metin analiz ediliyor..."]
|