CourtBot

Courtbot

Keterangan

CourtBot adalah bot obrolan yang dapat mengakses semua keputusan Mahkamah Agung Amerika Serikat. Ini dapat menjawab pertanyaan berdasarkan informasi dalam keputusan ini dan mengutip keputusan spesifik yang digunakan untuk menjawab pertanyaan.

Bagaimana menjalankan

Instal dependensi

pip install -r requirements.txt

Berlari

 ./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. Jalankan ./run.sh -s Menggosok kasus -kasus Mahkamah Agung dari Findlaw dan Propossesses untuk embedding. Waktu yang dibutuhkan untuk mengikis data tergantung pada jumlah utas yang Anda alokasikan dan membutuhkan waktu sekitar 3 jam dengan 50 utas. Data disimpan dalam direktori SupremeCourtCases sebagai file txt.
2. Jalankan ./run.sh -e untuk menyematkan kasus pengadilan untuk database Chroma. Proses ini dijalankan pada GPU tetapi bisa dijalankan di CPU. Saat menjalankan GPU, proses ini membutuhkan waktu sekitar 14 jam untuk menanamkan semua 21 ribu kasus. Database Chroma disimpan di direktori .chroma .
3. Jalankan ./run.sh -d untuk memulai server. Semua kueri ke database vektor dan bot obrolan dibuat melalui API ini.

Sumber

• Data untuk kasus Mahkamah Agung dikikis dari FindLaw menggunakan Selenium dan Driver Web Chromium.
• Embeddings dihitung menggunakan semua-mpnet-base-v2 yang merupakan versi tuned yang disetel dari Microsoft bertopeng dan permutasi pemodelan bahasa (MPNET) (ARXIV).
• Basis data vektor yang digunakan adalah Chroma. Chroma adalah database vektor yang memungkinkan Anda mencari vektor serupa. Ini dibangun di atas DuckDB dan Apache Parquet.
• Bot obrolan dibangun menggunakan Model Bahasa Dialog Terbuka Microsoft (Godel) (ARXIV). Model ini dilatih pada 551 juta dialog dari Reddit dan 5 juta dialog instruksi dan pengetahuan.
• API dibangun menggunakan FastAPI yang menggunakan server web Uvicorn.