Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
|
@@ -7,7 +7,6 @@ import gradio as gr
|
|
| 7 |
from transformers import pipeline
|
| 8 |
|
| 9 |
# --- 1. MODELLERİN HAZIRLANMASI ---
|
| 10 |
-
# NER Modeli (XLM-Roberta) CPU üzerinde yüklenir
|
| 11 |
ner_pipe = pipeline(
|
| 12 |
"ner",
|
| 13 |
model="xlm-roberta-large-finetuned-conll03-english",
|
|
@@ -15,7 +14,6 @@ ner_pipe = pipeline(
|
|
| 15 |
device="cpu"
|
| 16 |
)
|
| 17 |
|
| 18 |
-
# LLM Modeli (Qwen 2.5-1.5B)
|
| 19 |
model_id = "Qwen/Qwen2.5-1.5B-Instruct"
|
| 20 |
try:
|
| 21 |
gen_pipe = pipeline(
|
|
@@ -37,24 +35,22 @@ def get_wiki_summary(term):
|
|
| 37 |
wikipedia.set_lang("tr")
|
| 38 |
search_results = wikipedia.search(term)
|
| 39 |
if not search_results: return None
|
| 40 |
-
# En alakalı sonucun ilk 2 cümlesini getirir
|
| 41 |
return wikipedia.summary(search_results[0], sentences=2, auto_suggest=False)
|
| 42 |
except:
|
| 43 |
return None
|
| 44 |
|
| 45 |
@spaces.GPU
|
| 46 |
def refine_label_with_llm(entity_text, wiki_context, custom_label_definitions):
|
| 47 |
-
"""
|
| 48 |
if not IS_LLM_ENABLED: return "MISC", "LLM Aktif Değil"
|
| 49 |
|
| 50 |
-
#
|
| 51 |
-
if
|
| 52 |
-
gen_pipe.
|
| 53 |
|
| 54 |
-
# Etiket tanımlarını LLM'in anlayacağı formata getir
|
| 55 |
label_defs_str = "\n".join([f"KATEGORİ: {k} -> TANIM: {v}" for k, v in custom_label_definitions.items()])
|
| 56 |
|
| 57 |
-
prompt = f"""
|
| 58 |
|
| 59 |
KATEGORİ LİSTESİ:
|
| 60 |
{label_defs_str}
|
|
@@ -63,8 +59,8 @@ VARLIK: {entity_text}
|
|
| 63 |
WIKIPEDIA BAĞLAMI: {wiki_context}
|
| 64 |
|
| 65 |
ANALİZ KURALLARI:
|
| 66 |
-
1.
|
| 67 |
-
2. Bu
|
| 68 |
3. Cevabını SADECE şu formatta bitir: 'Cevap: ETİKET_ADI'
|
| 69 |
|
| 70 |
Gerekçe:"""
|
|
@@ -74,11 +70,11 @@ Gerekçe:"""
|
|
| 74 |
outputs = gen_pipe(messages, max_new_tokens=200, do_sample=False, temperature=0.1)
|
| 75 |
full_output = outputs[0]["generated_text"][-1]["content"].strip()
|
| 76 |
|
| 77 |
-
#
|
| 78 |
final_label = "MISC"
|
| 79 |
valid_keys = list(custom_label_definitions.keys())
|
| 80 |
|
| 81 |
-
#
|
| 82 |
lines = full_output.split('\n')
|
| 83 |
for line in reversed(lines):
|
| 84 |
if "Cevap:" in line:
|
|
@@ -87,7 +83,7 @@ Gerekçe:"""
|
|
| 87 |
final_label = found
|
| 88 |
break
|
| 89 |
|
| 90 |
-
#
|
| 91 |
if final_label == "MISC":
|
| 92 |
for key in valid_keys:
|
| 93 |
if key in full_output.upper():
|
|
@@ -96,24 +92,25 @@ Gerekçe:"""
|
|
| 96 |
|
| 97 |
return final_label, full_output
|
| 98 |
except Exception as e:
|
| 99 |
-
|
|
|
|
|
|
|
| 100 |
|
| 101 |
-
# --- 3. ANA İŞLEM HATTI
|
| 102 |
|
| 103 |
def process_ner(text):
|
| 104 |
logs = ["🚀 İşlem başlatıldı..."]
|
| 105 |
yield logs, []
|
| 106 |
|
| 107 |
custom_labels = {
|
| 108 |
-
"SOFTWARE": "Bilgisayar programları, işletim sistemleri
|
| 109 |
"AWARD": "Ödüller, festivaller, madalyalar ve onur nişanları.",
|
| 110 |
-
"BOOK": "Kitaplar, romanlar
|
| 111 |
-
"MOVIE": "Sinema filmleri
|
| 112 |
-
"PRODUCT": "Ticari ürünler,
|
| 113 |
-
"NORP": "Milliyetler, etnik gruplar
|
| 114 |
}
|
| 115 |
|
| 116 |
-
# İlk aşama: Standart NER
|
| 117 |
initial_results = ner_pipe(text)
|
| 118 |
final_results = []
|
| 119 |
|
|
@@ -122,7 +119,6 @@ def process_ner(text):
|
|
| 122 |
label = entity['entity_group']
|
| 123 |
res = {"Varlık": word, "İlk Etiket": label, "Nihai Etiket": label, "Kaynak": "Model"}
|
| 124 |
|
| 125 |
-
# Eğer etiket belirsizse (MISC), RAG sürecini başlat
|
| 126 |
if label == "MISC":
|
| 127 |
standardized = word.strip().title()
|
| 128 |
logs.append(f"⚠️ <b>{word}</b> için Wikipedia taranıyor...")
|
|
@@ -130,15 +126,13 @@ def process_ner(text):
|
|
| 130 |
|
| 131 |
wiki_text = get_wiki_summary(standardized)
|
| 132 |
if wiki_text:
|
| 133 |
-
# Wikipedia bilgisini log alanına yazdır
|
| 134 |
logs.append(f"ℹ️ <b>Wiki Özeti:</b> {wiki_text[:120]}...")
|
| 135 |
-
logs.append(f"🤖 LLM
|
| 136 |
yield logs, [[r["Varlık"], r["İlk Etiket"], r["Nihai Etiket"], r["Kaynak"]] for r in final_results]
|
| 137 |
|
| 138 |
-
# LLM Karar Mekanizması
|
| 139 |
new_label, raw_llm_response = refine_label_with_llm(standardized, wiki_text, custom_labels)
|
| 140 |
|
| 141 |
-
#
|
| 142 |
logs.append(f"<div style='color: #444; border-left: 3px solid #ffa500; padding-left: 8px; margin: 5px 0; font-size: 0.9em; background: #fff5e6;'><b>Model Yanıtı:</b><br>{raw_llm_response}</div>")
|
| 143 |
|
| 144 |
res["Nihai Etiket"] = new_label
|
|
@@ -148,19 +142,18 @@ def process_ner(text):
|
|
| 148 |
logs.append(f"❌ '{word}' için Wikipedia bağlamı bulunamadı.")
|
| 149 |
|
| 150 |
final_results.append(res)
|
| 151 |
-
# Her adımda tabloyu güncelle
|
| 152 |
yield logs, [[r["Varlık"], r["İlk Etiket"], r["Nihai Etiket"], r["Kaynak"]] for r in final_results]
|
| 153 |
|
| 154 |
logs.append("✨ Analiz başarıyla tamamlandı.")
|
| 155 |
yield logs, [[r["Varlık"], r["İlk Etiket"], r["Nihai Etiket"], r["Kaynak"]] for r in final_results]
|
| 156 |
|
| 157 |
-
# --- 4.
|
| 158 |
|
| 159 |
with gr.Blocks(title="NER RAG v3") as demo:
|
| 160 |
gr.Markdown("# 🚀 Gelişmiş NER & RAG Sistemi")
|
| 161 |
|
| 162 |
with gr.Row():
|
| 163 |
-
input_text = gr.Textbox(label="Analiz Edilecek Metin", lines=5
|
| 164 |
|
| 165 |
with gr.Row():
|
| 166 |
with gr.Column(scale=1):
|
|
@@ -172,7 +165,6 @@ with gr.Blocks(title="NER RAG v3") as demo:
|
|
| 172 |
|
| 173 |
def update_ui(text):
|
| 174 |
for logs, table in process_ner(text):
|
| 175 |
-
# Logları HTML formatında düzenle
|
| 176 |
log_html = "<div style='background: #f0f4f8; padding: 10px; border-radius: 5px; font-family: sans-serif; height: 400px; overflow-y: auto;'>"
|
| 177 |
for m in logs:
|
| 178 |
log_html += f"<div style='margin-bottom: 8px; border-bottom: 1px solid #dee2e6; padding-bottom: 4px;'>{m}</div>"
|
|
|
|
| 7 |
from transformers import pipeline
|
| 8 |
|
| 9 |
# --- 1. MODELLERİN HAZIRLANMASI ---
|
|
|
|
| 10 |
ner_pipe = pipeline(
|
| 11 |
"ner",
|
| 12 |
model="xlm-roberta-large-finetuned-conll03-english",
|
|
|
|
| 14 |
device="cpu"
|
| 15 |
)
|
| 16 |
|
|
|
|
| 17 |
model_id = "Qwen/Qwen2.5-1.5B-Instruct"
|
| 18 |
try:
|
| 19 |
gen_pipe = pipeline(
|
|
|
|
| 35 |
wikipedia.set_lang("tr")
|
| 36 |
search_results = wikipedia.search(term)
|
| 37 |
if not search_results: return None
|
|
|
|
| 38 |
return wikipedia.summary(search_results[0], sentences=2, auto_suggest=False)
|
| 39 |
except:
|
| 40 |
return None
|
| 41 |
|
| 42 |
@spaces.GPU
|
| 43 |
def refine_label_with_llm(entity_text, wiki_context, custom_label_definitions):
|
| 44 |
+
"""Cihaz çakışması hatasını gideren GPU fonksiyonu."""
|
| 45 |
if not IS_LLM_ENABLED: return "MISC", "LLM Aktif Değil"
|
| 46 |
|
| 47 |
+
# TÜM PIPELINE'ı GPU'ya taşı (Hata çözümü için kritik)
|
| 48 |
+
if gen_pipe.device.type != "cuda":
|
| 49 |
+
gen_pipe.to("cuda")
|
| 50 |
|
|
|
|
| 51 |
label_defs_str = "\n".join([f"KATEGORİ: {k} -> TANIM: {v}" for k, v in custom_label_definitions.items()])
|
| 52 |
|
| 53 |
+
prompt = f"""Wikipedia bağlamını analiz ederek varlığı EN UYGUN kategoriye yerleştir.
|
| 54 |
|
| 55 |
KATEGORİ LİSTESİ:
|
| 56 |
{label_defs_str}
|
|
|
|
| 59 |
WIKIPEDIA BAĞLAMI: {wiki_context}
|
| 60 |
|
| 61 |
ANALİZ KURALLARI:
|
| 62 |
+
1. Wikipedia bağlamındaki anahtar kelimeleri tespit et ve açıkla.
|
| 63 |
+
2. Bu kelimelerin hangi KATEGORİ tanımına uyduğunu belirle.
|
| 64 |
3. Cevabını SADECE şu formatta bitir: 'Cevap: ETİKET_ADI'
|
| 65 |
|
| 66 |
Gerekçe:"""
|
|
|
|
| 70 |
outputs = gen_pipe(messages, max_new_tokens=200, do_sample=False, temperature=0.1)
|
| 71 |
full_output = outputs[0]["generated_text"][-1]["content"].strip()
|
| 72 |
|
| 73 |
+
# ETİKET AYIKLAMA MANTIĞI
|
| 74 |
final_label = "MISC"
|
| 75 |
valid_keys = list(custom_label_definitions.keys())
|
| 76 |
|
| 77 |
+
# Satır bazlı arama
|
| 78 |
lines = full_output.split('\n')
|
| 79 |
for line in reversed(lines):
|
| 80 |
if "Cevap:" in line:
|
|
|
|
| 83 |
final_label = found
|
| 84 |
break
|
| 85 |
|
| 86 |
+
# Kelime bazlı yedek arama
|
| 87 |
if final_label == "MISC":
|
| 88 |
for key in valid_keys:
|
| 89 |
if key in full_output.upper():
|
|
|
|
| 92 |
|
| 93 |
return final_label, full_output
|
| 94 |
except Exception as e:
|
| 95 |
+
# Hata durumunda CPU'ya çekerek temizle
|
| 96 |
+
gen_pipe.to("cpu")
|
| 97 |
+
return "MISC", f"LLM Hatası: {str(e)}"
|
| 98 |
|
| 99 |
+
# --- 3. ANA İŞLEM HATTI ---
|
| 100 |
|
| 101 |
def process_ner(text):
|
| 102 |
logs = ["🚀 İşlem başlatıldı..."]
|
| 103 |
yield logs, []
|
| 104 |
|
| 105 |
custom_labels = {
|
| 106 |
+
"SOFTWARE": "Bilgisayar programları, işletim sistemleri ve dijital araçlar.",
|
| 107 |
"AWARD": "Ödüller, festivaller, madalyalar ve onur nişanları.",
|
| 108 |
+
"BOOK": "Kitaplar, romanlar ve edebi yayınlar.",
|
| 109 |
+
"MOVIE": "Sinema filmleri ve görsel yapımlar.",
|
| 110 |
+
"PRODUCT": "Ticari ürünler, cihazlar ve markalar.",
|
| 111 |
+
"NORP": "Milliyetler, etnik gruplar veya topluluklar."
|
| 112 |
}
|
| 113 |
|
|
|
|
| 114 |
initial_results = ner_pipe(text)
|
| 115 |
final_results = []
|
| 116 |
|
|
|
|
| 119 |
label = entity['entity_group']
|
| 120 |
res = {"Varlık": word, "İlk Etiket": label, "Nihai Etiket": label, "Kaynak": "Model"}
|
| 121 |
|
|
|
|
| 122 |
if label == "MISC":
|
| 123 |
standardized = word.strip().title()
|
| 124 |
logs.append(f"⚠️ <b>{word}</b> için Wikipedia taranıyor...")
|
|
|
|
| 126 |
|
| 127 |
wiki_text = get_wiki_summary(standardized)
|
| 128 |
if wiki_text:
|
|
|
|
| 129 |
logs.append(f"ℹ️ <b>Wiki Özeti:</b> {wiki_text[:120]}...")
|
| 130 |
+
logs.append(f"🤖 LLM Karar veriyor...")
|
| 131 |
yield logs, [[r["Varlık"], r["İlk Etiket"], r["Nihai Etiket"], r["Kaynak"]] for r in final_results]
|
| 132 |
|
|
|
|
| 133 |
new_label, raw_llm_response = refine_label_with_llm(standardized, wiki_text, custom_labels)
|
| 134 |
|
| 135 |
+
# Model Yanıtını Logla
|
| 136 |
logs.append(f"<div style='color: #444; border-left: 3px solid #ffa500; padding-left: 8px; margin: 5px 0; font-size: 0.9em; background: #fff5e6;'><b>Model Yanıtı:</b><br>{raw_llm_response}</div>")
|
| 137 |
|
| 138 |
res["Nihai Etiket"] = new_label
|
|
|
|
| 142 |
logs.append(f"❌ '{word}' için Wikipedia bağlamı bulunamadı.")
|
| 143 |
|
| 144 |
final_results.append(res)
|
|
|
|
| 145 |
yield logs, [[r["Varlık"], r["İlk Etiket"], r["Nihai Etiket"], r["Kaynak"]] for r in final_results]
|
| 146 |
|
| 147 |
logs.append("✨ Analiz başarıyla tamamlandı.")
|
| 148 |
yield logs, [[r["Varlık"], r["İlk Etiket"], r["Nihai Etiket"], r["Kaynak"]] for r in final_results]
|
| 149 |
|
| 150 |
+
# --- 4. ARAYÜZ TASARIMI ---
|
| 151 |
|
| 152 |
with gr.Blocks(title="NER RAG v3") as demo:
|
| 153 |
gr.Markdown("# 🚀 Gelişmiş NER & RAG Sistemi")
|
| 154 |
|
| 155 |
with gr.Row():
|
| 156 |
+
input_text = gr.Textbox(label="Analiz Edilecek Metin", lines=5)
|
| 157 |
|
| 158 |
with gr.Row():
|
| 159 |
with gr.Column(scale=1):
|
|
|
|
| 165 |
|
| 166 |
def update_ui(text):
|
| 167 |
for logs, table in process_ner(text):
|
|
|
|
| 168 |
log_html = "<div style='background: #f0f4f8; padding: 10px; border-radius: 5px; font-family: sans-serif; height: 400px; overflow-y: auto;'>"
|
| 169 |
for m in logs:
|
| 170 |
log_html += f"<div style='margin-bottom: 8px; border-bottom: 1px solid #dee2e6; padding-bottom: 4px;'>{m}</div>"
|