Legal_Expert_Contract_Advisor_Using_Precision_RAG

Kontrak Tanya Jawab Sistem Rag

Ringkasan

Proyek ini bertujuan untuk mengembangkan sistem pakar hukum presisi tinggi untuk T&J kontrak menggunakan Retrieval-Agusted Generation (RAG). Sistem ini memanfaatkan teknik pemrosesan bahasa alami canggih (NLP) untuk memberikan jawaban yang akurat dan sadar konteks atas pertanyaan tentang kontrak hukum dan mengintegrasikan model bahasa yang kuat dengan mekanisme pengambilan khusus untuk memberikan jawaban yang akurat dan relevan secara kontekstual untuk pertanyaan terkait kontrak.

Daftar isi

• Ringkasan
• Struktur proyek
• Instalasi
• Penggunaan
• Perkembangan
• Evaluasi
• Teknik optimasi
• Berkontribusi
• Lisensi
• Ucapan Terima Kasih
• Kontak

Fitur

• Pipa Retrieval-Agusted Generation (RAG) untuk Tanya Jawab Kontrak
• Retriever dan komponen generator yang dapat disesuaikan
• Kerangka Evaluasi Menggunakan Metrik Ragas
• Teknik optimasi untuk peningkatan kinerja

Struktur proyek

 Legal_Expert_Contract_Advisor_Using_Precision_RAG/
├── data/
│   ├── raw/
│   ├── processed/
│   └── evaluation/
├── notebooks/
│   ├── 1_data_exploration.ipynb
│   ├── 2_rag_implementation.ipynb
│   └── 3_evaluation_and_optimization.ipynb
├── src/
│   ├── data/
│   │   ├── __init__.py
│   │   ├── preprocess.py
│   │   └── load_data.py
│   ├── models/
│   │   ├── __init__.py
│   │   ├── retriever.py
│   │   └── generator.py
│   ├── evaluation/
│   │   ├── __init__.py
│   │   └── metrics.py
│   └── utils/
│       ├── __init__.py
│       └── helpers.py
├── tests/
│   ├── test_data.py
│   ├── test_models.py
│   └── test_evaluation.py
├── config.yaml
├── requirements.txt
├── setup.py
├── main.py
├── .gitignore
└── README.md

• data/ : Berisi file data mentah dan olahan
• notebooks/ : Jupyter Notebooks untuk Eksplorasi, Implementasi, dan Evaluasi
• src/ : Kode sumber untuk sistem kain
  • data/ : Skrip pemuatan dan preprocessing data
  • models/ : Implementasi Retriever and Generator Model
  • evaluation/ : Metrik dan skrip evaluasi
  • utils/ : fungsi dan utilitas pembantu
• tests/ : Tes unit untuk berbagai komponen
• config.yaml : File konfigurasi untuk pengaturan proyek
• requirements.txt : Daftar dependensi proyek
• setup.py : Skrip Setup untuk proyek
• main.py : Titik masuk utama untuk menjalankan sistem kain

Instalasi

1. Klon Repositori

git clone https://github.com/dev-abuke/Legal_Expert_Contract_Advisor_Using_Precision_RAG.git

2. Arahkan ke Direktori Proyek

 cd Legal_Expert_Contract_Advisor_Using_Precision_RAG

3. Buat lingkungan virtual

python -m venv venv

4. Aktifkan lingkungan

 source venv/bin/activate  # On Windows, use venvScriptsactivate

3. Instal dependensi yang diperlukan:

pip install -r requirements.txt

Penggunaan

1. Siapkan data kontrak Anda dan letakkan di data/raw/ direktori.

2. Preprocess data

python src/data/preprocess.py

3. Jalankan sistem kain

python main.py

4. Evaluasi Kinerja Sistem:

python src/evaluation/evaluate.py

Perkembangan

• Gunakan buku catatan Jupyter di notebooks/ direktori untuk eksplorasi dan prototipe.
• Menerapkan fungsionalitas inti di src/ Direktori.
• Tambahkan tes unit di tests/ direktori.
• Gunakan config.yaml untuk mengelola pengaturan proyek.

Evaluasi

Kinerja sistem dievaluasi menggunakan metrik berikut

• Presisi dan penarikan pengambilan
• Jawab relevansi
• Akurasi faktual
• Koherensi respons

Lihat buku catatan evaluasi untuk hasil dan analisis yang terperinci.

Teknik optimasi

Proyek ini mengeksplorasi berbagai teknik optimasi, termasuk

1. Model penyematan lanjutan untuk pengambilan
2. Metode Pencarian Hibrida
3. Perluasan permintaan
4. Strategi chunking
5. Teknik yang cepat

Berkontribusi

Kontribusi untuk meningkatkan sistem dipersilakan. Silakan ikuti langkah -langkah ini:

1. Garpu repositori
2. Buat cabang baru ( git checkout -b feature/your-feature )
3. Buat perubahan Anda dan komit mereka ( git commit -am 'Add new feature' )
4. Dorong ke cabang ( git push origin feature/your-feature )
5. Buat permintaan tarik baru

Lisensi

Proyek ini dilisensikan di bawah lisensi MIT - lihat file lisensi untuk detailnya.

Ucapan Terima Kasih

• 10 Akademi untuk memberikan tantangan dan kesempatan belajar
• Lizzyai untuk inspirasi dan bimbingan proyek

Kontak

Untuk pertanyaan apa pun, buka masalah di repositori ini atau hubungi AbubeKer Shamil.