Update app.py

app.py

@@ -18,6 +18,7 @@ try:
     IS_LLM_ENABLED = True
 except Exception as e:
     IS_LLM_ENABLED = False
+#-------------------------------------------------------
 
 # --- 2. YARDIMCI FONKSİYONLAR ---
 def get_wiki_summary(term):
@@ -29,8 +30,9 @@ def get_wiki_summary(term):
         return wikipedia.summary(search_results[0], sentences=2, auto_suggest=False)
     except: return None
 
+# ------------------------------------------------------
 
-
+# --- 3. ETİKET GÜNCELLEME FONKSİYONU ---
 @spaces.GPU
 def refine_label_with_llm(entity_text, full_sentence, wiki_context, custom_labels):
     if not IS_LLM_ENABLED: return "MISC", "LLM Aktif Değil"
@@ -38,58 +40,56 @@ def refine_label_with_llm(entity_text, full_sentence, wiki_context, custom_label
     device = "cuda" if torch.cuda.is_available() else "cpu"
     llm_model.to(device)
 
-    # 1. Etiket Tanımları (Bilgi Kaynağı)
+    # 3.1 Etiket Tanımları | Custom_labels listesindeki içerik burada kullanılıyor.
     label_rules = ""
     for k, v in custom_labels.items():
         label_rules += f"### {k}\n- TANIM: {v['tanim']}\n- ANAHTARLAR: {', '.join(v['anahtar_kelimeler'])}\n\n"
 
-    # 2. Sistematik CoT ve Kuralların Tanımlanması
+    # 3.2 Sistematik Chain of Thouht ve Kuralların Tanımlanması
     
     prompt = f"""
-Sen yüksek hassasiyetli bir semantik analiz uzmanısın. Görevin, '[[{entity_text}]]' varlığını aşağıdaki 4 adımlı Sistematik CoT protokolüne göre sınıflandırmaktır.
-
-ETİKET TANIMLARI:
-{label_rules}
-
-SİSTEMATİK CoT ADIMLARI:
-Adım 1: Wikipedia'dan gelen bilgileri ("{wiki_context}") analiz et. Varlığın temel niteliğini (ödül mü, yazılım mı, sanat eseri mi ya da ürün mü? vb.) belirle.
-Adım 2: Bu nitelikleri {custom_labels} listesindeki 'tanim' alanlarıyla karşılaştır. Wikipedia'daki anahtar kelimeler ile etiket tanımlarındaki anahtar kelimeleri eşleştir.
-Adım 3: En yüksek anlamsal benzerliğe sahip etiketi RAG sonucu olarak seç. Eğer Wikipedia bilgisi yetersizse, orijinal cümledeki ("{full_sentence}") fiil ve niteleyicilere (örn: "ödülü","filmi","yazdı","işletim sistemi") odaklan.
-Adım 4: Kararını somut kanıtlara dayandır. Eğer hiçbir etiket tanımına uyum sağlanamazsa MISC değerini koru.
-
-FEW-SHOT ÖRNEKLERİ:
-
-ÖRNEK 1:
-- CÜMLE: "1984, distopik bir geleceği anlatan en önemli romandır."
-- VARLIK: 1984
-- WIKIPEDIA: "1984 (roman), George Orwell tarafından yazılmış distopik bir kitaptır. Ayrıca 1984 bir takvim yılıdır."
-- Analiz: Adım 1: Wikipedia'da "1984" varlığına bakarak, "1984" bir "romanı" olarak tanımlanmaktadır. - Adım 2: Cümlede "1984" ve "romanı" geçen, bu da "BOOK" tanımına uygun olabilir. - Adım 3: "BOOK" tanımına uygun olduğu için bu etiket seçildi. - Adım 4: Cümlede "romanı" ifadesi, bu tür etiketler arasında uyum sağlamadığı için "BOOK" etiketine uyan "BOOK" tanımına göre karar verildi.
-- CEVAP: BOOK
-
-ÖRNEK 2:
-- CÜMLE: "Sistem Windows üzerinde sorunsuz çalışıyor."
-- VARLIK: Windows
-- WIKIPEDIA: "Microsoft Windows, kişisel bilgisayarlar için geliştirilmiş bir işletim sistemidir."
-- ANALİZ: Adım 1: Wikipedia'da "Windows" bilgisi bulunuyor. Adım 2: Cümlede "Windows" ve "işletim sistemi" geçen, bu SYSTEM tanımına uygun. Adım 3: SYSTEM seçildi. Adım 4: Cümlede "işletim sistemi" ifadesi sistem türünü ifade eder.
-- CEVAP: SOFTWARE
-
-GÜNCEL GÖREV:
-- HEDEF VARLIK: {entity_text}
-- ORİJİNAL CÜMLE: "{full_sentence}"
-- DAHİLİ BİLGİ : "{custom_labels}"
-- HARİCİ BİLGİ (Wikipedia): "{wiki_context}"
-
-ÇIKTI KURALLARI:
-- Cevabında asla yıldız (*) veya markdown kullanma.
-- Analiz adımlarını yukarıdaki 4 adımlı protokole göre yaz.
-- Yanıtını hiçbir açıklama eklemeden doğrudan [ {{ ... }} ] formatında başlat ve bitir.
-
-ÇIKTI FORMATI:
-Analiz: [4 Adımlı CoT Analizi]
-Cevap: [SADECE_ETIKET_ADI]
-"""
-
-
+    Sen yüksek hassasiyetli bir semantik analiz uzmanısın. Görevin, '[[{entity_text}]]' varlığını aşağıdaki 4 adımlı Sistematik CoT protokolüne göre sınıflandırmaktır.
+    
+    ETİKET TANIMLARI:
+    {label_rules}
+    
+    SİSTEMATİK CoT ADIMLARI:
+    Adım 1: Wikipedia'dan gelen bilgileri ("{wiki_context}") analiz et. Varlığın temel niteliğini (ödül mü, yazılım mı, sanat eseri mi ya da ürün mü? vb.) belirle.
+    Adım 2: Belirlediğin nitelikleri yukarıdaki ETİKET TANIMLARI listesindeki 'TANIM' ve 'ANAHTARLAR' alanlarıyla karşılaştır. 
+    Adım 3: En yüksek anlamsal benzerliğe sahip etiketi RAG sonucu olarak seç. Eğer Wikipedia bilgisi yetersizse, orijinal cümledeki ("{full_sentence}") fiil ve niteleyicilere (örn: "ödülü","filmi","yazdı","işletim sistemi") odaklan.
+    Adım 4: Kararını somut kanıtlara dayandır. Eğer hiçbir etiket ETİKET TANIMLARI listesine uyum sağlanamazsa MISC değerini koru.
+    
+    FEW-SHOT ÖRNEKLERİ:
+    
+    ÖRNEK 1:
+    - CÜMLE: "1984, distopik bir geleceği anlatan en önemli romandır."
+    - VARLIK: 1984
+    - WIKIPEDIA: "1984 (roman), George Orwell tarafından yazılmış distopik bir kitaptır. Ayrıca 1984 bir takvim yılıdır."
+    - Analiz: Adım 1: Wikipedia'da "1984" varlığına bakarak, "1984" bir "romanı" olarak tanımlanmaktadır. - Adım 2: Cümlede "1984" ve "romanı" geçen, bu da "BOOK" tanımına uygun olabilir. - Adım 3: "BOOK" tanımına uygun olduğu için bu etiket seçildi. - Adım 4: Cümlede "romanı" ifadesi, bu tür etiketler arasında uyum sağlamadığı için "BOOK" etiketine uyan "BOOK" tanımına göre karar verildi.
+    - CEVAP: BOOK
+    
+    ÖRNEK 2:
+    - CÜMLE: "Sistem Windows üzerinde sorunsuz çalışıyor."
+    - VARLIK: Windows
+    - WIKIPEDIA: "Microsoft Windows, kişisel bilgisayarlar için geliştirilmiş bir işletim sistemidir."
+    - ANALİZ: Adım 1: Wikipedia'da "Windows" bilgisi bulunuyor. Adım 2: Cümlede "Windows" ve "işletim sistemi" geçen, bu SYSTEM tanımına uygun. Adım 3: SYSTEM seçildi. Adım 4: Cümlede "işletim sistemi" ifadesi sistem türünü ifade eder.
+    - CEVAP: SOFTWARE
+    
+    GÜNCEL GÖREV:
+    - HEDEF VARLIK: {entity_text}
+    - ORİJİNAL CÜMLE: "{full_sentence}"
+    - DAHİLİ BİLGİ : "{custom_labels}"
+    - HARİCİ BİLGİ (Wikipedia): "{wiki_context}"
+    
+    ÇIKTI KURALLARI:
+    - Cevabında asla yıldız (*) veya markdown kullanma.
+    - Analiz adımlarını yukarıdaki 4 adımlı protokole göre yaz.
+    - Yanıtını hiçbir açıklama eklemeden doğrudan [ {{ ... }} ] formatında başlat ve bitir.
+    
+    ÇIKTI FORMATI:
+    Analiz: [4 Adımlı CoT Analizi]
+    Cevap: [SADECE_ETIKET_ADI]
+    """
 
     messages = [{"role": "user", "content": prompt}]
     text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
@@ -100,7 +100,7 @@ Cevap: [SADECE_ETIKET_ADI]
         response_ids = [output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)]
         full_output = tokenizer.batch_decode(response_ids, skip_special_tokens=True)[0].strip()
         
-        # Markdown temizliği ve Etiket Ayıklama
+        # 3.3 Markdown temizliği ve Etiket Ayıklama
         clean_output = full_output.replace("*", "")
         final_label = "MISC"
         valid_keys = list(custom_labels.keys())
@@ -114,14 +114,12 @@ Cevap: [SADECE_ETIKET_ADI]
     except Exception as e:
         return "MISC", f"Hata: {str(e)}"
 
+#------------------------------------------------------------------
 # --- 3. ANA İŞLEM HATTI ---
 def process_ner(text):
-    current_logs = ["🚀 <b>Sistem Başlatıldı:</b> Metin analiz ediliyor..."]
+    current_logs = ["<b>Sistem Başlatıldı:</b> Metin analiz ediliyor..."]
     final_results = []
     yield "<br>".join(current_logs), []
-
-   
-
     initial_results = ner_pipe(text)
 
     for entity in initial_results:
@@ -152,10 +150,11 @@ def process_ner(text):
 
     current_logs.append("✨ <b>Analiz Tamamlandı.</b>")
     yield "<br>".join(current_logs), [[r["Varlık"], r["İlk Etiket"], f"<b>{r['Nihai Etiket']}</b>", r["Kaynak"]] for r in final_results]
+#---------------------------------------------------
 
 # --- 4. GRADIO ARAYÜZÜ ---
 with gr.Blocks(title=" RAG-NER") as demo:
-    gr.Markdown("# MISC etiketi için RAG-NER Çerçevesi")
+    gr.Markdown("# MISC-RAG-NER")
     
     with gr.Tab("Metin Analizi"):
         input_text = gr.Textbox(
@@ -195,10 +194,12 @@ with gr.Blocks(title=" RAG-NER") as demo:
             outputs=[log_output, table_output]
         )
 
+#----------------------------------------------------
+
 # --- 5. KULLANICI DENETİMİ (LOGIN) ---
 if __name__ == "__main__":
   
     demo.launch(
         auth=("admin", "1113"),
-        auth_message="Lütfen uzman paneline erişmek için giriş yapın."
+        auth_message="Lütfen paneline erişmek için giriş yapın."
     )