SyntheSearch

‍️ Synthesearch

? ️ Autores

• Proyecto principal: Phong Cao
• Desarrollador de IA: Phong Cao
• Backend: Phong Cao, Hien Hoang
• Frontend: Doanh Phung, Minh Bui

---

? Descripción general del proyecto

Synthesearch : una herramienta de investigación inteligente que encuentra y sintetiza los artículos más relevantes, ahorrando tiempo a los investigadores y mejorando la información.

---

Empezando

Inicio del servidor (backend)

1. Navegue al directorio de backend:

    cd backend

2. Configurar un entorno virtual:

   python3 -m venv venv

3. Active el entorno virtual:

    source venv/bin/activate

4. Instalar dependencias:

   pip install -r requirement.txt

   ️ Nota: En iOS, asegúrese de que pywin32 se elimine de requirement.txt .

5. Ejecute el servidor:

   uvicorn main:app --reload

---

Iniciar cliente (frontend)

1. Navegue al directorio frontend:

    cd frontend

2. Instalar dependencias:

   npm i

3. Inicie el servidor de desarrollo:

   npm run dev

---

Introducción

Synthesearch es una aplicación web diseñada para optimizar el proceso de investigación para estudiantes e investigadores mediante la ubicación de eficiencia de los trabajos de investigación relevantes. Los investigadores a menudo pasan horas examinando los documentos, con la esperanza de encontrar los estudios que mejor coincidan con sus intereses. Synthesearch tiene como objetivo reducir este tiempo sugiriendo inteligentemente los documentos más relevantes y generando una síntesis para revelar cómo los estudios se interrelacionan, ofreciendo a los usuarios una visión general perspicaz que ahorra tiempo y mejore la comprensión.

---

Inspiración

La inspiración para Synthesearch provino de nuestras propias experiencias como estudiantes. Antes de Hackumass XII, un miembro del equipo luchó por encontrar trabajos de investigación sobre aplicaciones de aprendizaje automático en la detección del cáncer. El proceso de localización de fuentes creíbles fue agotador y lento, incluso con herramientas de búsqueda de biblioteca optimizadas. Esta frustración nos inspiró a desarrollar un motor de búsqueda más eficiente que aproveche los modelos de idiomas grandes (LLM) y las bases de datos de vectores para superficie rápidamente la investigación y resumen relevantes ...

---

Cómo construimos el proyecto

Elegimos Python para el back -end debido a sus extensos marcos para el desarrollo de la IA. Databricks se utilizó para optimizar nuestra tubería de aprendizaje automático. Así es como nos acercamos a Building Synthesearch:

1. Recopilación de datos : comenzamos raspando datos de la recopilación central de trabajos de investigación de acceso abierto.
2. ? Incrustación : con Langchain, implementamos el modelo de texto de texto de OpenAI-3-Large para convertir los textos de papel en embebidos vectoriales.
3. Almacenamiento : utilizamos LancedB como nuestra base de datos vectorial, almacenando los vectores integrados para una recuperación rápida y eficiente.
4. Resumen y síntesis : empleamos el modelo GPT-4O-Mini de OpenAI para generar resúmenes, sugerencias e ideas sintetizadas.
5. Front-end : creamos la interfaz de usuario usando React.js con una plantilla de TypeScript, proporcionando una experiencia limpia y receptiva para los usuarios.

---

? Desafíos enfrentados

• Problemas de flujo de trabajo de GitHub : los conflictos de solicitud de extracción frecuentes ralentizaron nuestro progreso debido a conflictos de fusión.
• Lagunas de comunicación : la falta de comunicación condujo al trabajo duplicado e ineficiencias.

---

? Lecciones aprendidas

Este proyecto fue una experiencia de aprendizaje invaluable. Como fue nuestro primer proyecto LLM, obtuvimos experiencia práctica con las tecnologías de Genai, particularmente el poder de las bases de datos de vectores. Aprendimos la importancia de la comunicación clara del equipo, y ahora tenemos una comprensión más profunda de los LLM y sus capacidades para revolucionar la recuperación de la información.

---

Construido con

• ? Python (desarrollo de backend)
• ? Langchain (incrustación)
• LANCEB (Base de datos vectorial)
• ? Modelos Operai GPT (resumen y síntesis)
• ⚛️ Reaccion con TypeScript (desarrollo frontal)
• ? Tailwindcss (estilo)
• ⚡ Vite (herramientas)
• ? Databricks (tuberías de aprendizaje automático)

---

? Empoderando a los investigadores

A través de Synthesearch, estamos entusiasmados de contribuir a la eficiencia del proceso de investigación, lo que permite a los investigadores centrarse en las ideas en lugar de la sobrecarga de información.