CourtBot

Tribunal

Description

Courtbot est un bot de chat qui peut accéder à toutes les décisions de la Cour suprême des États-Unis. Il peut répondre à des questions en fonction des informations de ces décisions et citer les décisions spécifiques qu'elle a utilisées pour répondre à la question.

Comment courir

Installer des dépendances

pip install -r requirements.txt

Courir

 ./run.sh
    [-s : scrape the supreme court cases]
    [-e : to embed court decisions]
    [-d : start backend]
    [-c cases|db : delete all cases or database]

1. Run ./run.sh -s gratte les affaires de la Cour suprême de Findlaw et les présente pour l'intégration. Le temps pris pour gratter les données dépend du nombre de threads que vous allouez et il faut environ 3 heures avec 50 threads. Les données sont stockées dans le répertoire SupremeCourtCases sous forme de fichiers TXT.
2. Exécuter ./run.sh -e pour intégrer les affaires judiciaires pour la base de données Chroma. Ce processus est exécuté sur le GPU mais pourrait être exécuté sur le CPU. Lors de l'exécution sur le GPU, ce processus prend environ 14 heures pour intégrer les 21 000 cas. La base de données de chroma est enregistrée dans le répertoire .chroma .
3. Exécutez ./run.sh -d pour démarrer le serveur. Toutes les requêtes de la base de données vectorielle et du bot de chat sont réalisées via cette API.

Sources

• Les données des affaires de la Cour suprême sont grattées de Findlaw à l'aide de sélénium et d'un pilote Web Chromium.
• Les incorporations sont calculées à l'aide de All-MPNET-Base-V2 qui est une version ajustée fine de la modélisation de langage masquée et permutée de Microsoft (MPNET) (ARXIV).
• La base de données vectorielle utilisée est le chroma. Le chroma est une base de données vectorielle qui vous permet de rechercher des vecteurs similaires. Il est construit au-dessus de DuckDB et Apache Parquet.
• Le bot de chat est construit à l'aide du modèle de langage de dialogue ouvert mis à la terre de Microsoft (GODEL) (ARXIV). Ce modèle est formé sur 551 millions de dialogues de Reddit et 5 millions de boîtes de dialogue d'instructions et de connaissances.
• L'API est construite à l'aide de Fastapi qui utilise un serveur Web Uvicorn.