Unduh CollegeChatbot - Unduh Kode Sumber CollegeChatbot

CollegeChatbot

Kode sumber lainnya

1.0.0

Unduh

Tanya Jawab Cerba Perguruan Tinggi

Proyek ini adalah T&J Chatbot yang dirancang untuk menjawab pertanyaan yang berkaitan dengan Global Academy of Technology (GAT) menggunakan kombinasi model bahasa besar (LLM), teks-embedding, generasi pengambilan-pengambilan (RAG), dan teknik teknik yang cepat. Chatbot dapat memproses input teks dan audio, memberikan jawaban yang relevan berdasarkan riwayat percakapan dan dokumen yang dimuat sebelumnya.

Fitur

Input Teks dan Audio : Menerima kueri pengguna melalui input teks atau perekaman suara.
Retrieval-Agusted Generation (RAG) : Meningkatkan respons menggunakan informasi yang relevan yang diambil dari dokumen yang dimuat sebelumnya.
Tanggapan Konteks-Sehat : Memanfaatkan riwayat percakapan untuk memberikan jawaban yang sesuai dan sesuai kontekstual.
Antarmuka StreamLit : Antarmuka ramah pengguna yang dibangun dengan StreamLit, menampilkan opsi untuk mode tindak lanjut dan kustomisasi kedalaman pencarian.

Instalasi

Klon Repositori

git clone https://github.com/mahadev0811/CollegeChatbot.git
cd CollegeChatbot

Buat lingkungan virtual

python -m venv venv
source venv/bin/activate   # On Windows use `venvScriptsactivate`

Instal dependensi
```
pip install -r requirements.txt
```
Konfigurasikan kunci API
- Buat file config.json di direktori root dengan kunci Google API Anda:
```
{
  "google_api_key" : " YOUR_GOOGLE_API_KEY "
}
```

Penggunaan

Jalankan aplikasi
```
streamlit run st_app.py
```
Berinteraksi dengan chatbot
- Gunakan kotak input teks atau perekam audio untuk mengirimkan kueri Anda.
- Sesuaikan Pengaturan Menggunakan Opsi Sidebar:
  - Mode pertanyaan tindak lanjut : Toggle untuk menggunakan riwayat percakapan untuk tanggapan.
  - Kedalaman pencarian : Sesuaikan jumlah paragraf untuk mencari di dokumen untuk informasi yang relevan.

Struktur proyek

st_app.py : skrip aplikasi utama.
embedding_generator.py : skrip untuk menghasilkan embeddings dari file data.
Webscrapper.ipynb : Jupyter Notebook untuk Mengikis Data Teks dari URL untuk menghasilkan file data mentah.
config.json : File konfigurasi untuk tombol API.
Persyaratan.txt : Daftar paket Python yang diperlukan.
Data_Generation/gat_raw.txt : Data kasar mentah yang berisi informasi tentang GAT.
Data_Generation/gat_refined.txt : Versi data mentah yang diedit dan diedit manusia.
gat_embeddings.pkl : Embeddings yang telah dikomputasi untuk dokumen yang dimuat sebelumnya.

Menghasilkan data

Untuk menghasilkan file data mentah awal ( gat_raw.txt ), gunakan notebook webscrapper.ipynb . Notebook ini menggosok konten teks dari URL yang diberikan dan memformatnya dengan tepat.

Menghasilkan embeddings

Untuk menghasilkan embeddings dari file data Anda, gunakan skrip embedding_generator.py . Script ini membaca file teks yang berisi data, menghasilkan embeddings menggunakan model flagembedding , dan menyimpan embeddings sebagai file acar.

Menjalankan generator embedding

Persiapkan File Data Anda

Pastikan file data Anda (misalnya, data_generasi/gat_refined.txt) berada dalam format yang benar, dengan paragraf dipisahkan oleh Newline ganda ( n n).

Jalankan skrip

Jalankan skrip embedding_generator.py dengan jalur ke file data Anda sebagai argumen:
```
python embedding_generator.py --data_file data_generation/gat_refined.txt
```
Script akan menghasilkan embeddings untuk paragraf dalam file data dan menyimpannya sebagai file acar ( gat_embeddings.pkl ).