Legal_Expert_Contract_Advisor_Using_Precision_RAG

Контрактная система Q & A System

Обзор

Этот проект направлен на разработку высококвалифицированной юридической экспертной системы для контрактов с использованием поколения, связанного с поиском-август (RAG). Система использует передовые методы обработки естественного языка (NLP) для предоставления точных и контекстных ответов на вопросы о юридических контрактах и ​​интегрирует мощную языковую модель с пользовательским механизмом поиска для предоставления точных и контекстных ответов на запросы, связанные с контрактами.

Оглавление

• Обзор
• Структура проекта
• Установка
• Использование
• Разработка
• Оценка
• Методы оптимизации
• Внося
• Лицензия
• Благодарности
• Контакт

Функции

• Поизводимый генератор (RAG) Трубопровод для контракта Q & A
• Настраиваемые компоненты ретривера и генератора
• Структура оценки с использованием метрик Ragas
• Методы оптимизации для повышения производительности

Структура проекта

 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/ : содержит необработанные и обработанные файлы данных
• notebooks/ : jupyter Notebooks для исследования, реализации и оценки
• src/ : исходный код для системы RAG
  • data/ : Сценарии загрузки данных и предварительная обработка
  • models/ : Реализации модели ретриверов и генератора
  • evaluation/ : показатели оценки и сценарии
  • utils/ : вспомогательные функции и утилиты
• tests/ : модульные тесты для различных компонентов
• config.yaml : файл конфигурации для настройки проекта
• requirements.txt : Список зависимостей проекта
• setup.py : сценарий настройки для проекта
• main.py : основная точка входа для запуска тряпичной системы

Установка

1. Клонировать репозиторий

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

2. Перейдите к каталогу проекта

 cd Legal_Expert_Contract_Advisor_Using_Precision_RAG

3. Создать виртуальную среду

python -m venv venv

4. Активировать окружающую среду

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

3. Установите требуемые зависимости:

pip install -r requirements.txt

Использование

1. Подготовьте данные контракта и поместите их в data/raw/ Directory.

2. Предварительно обрабатывать данные

python src/data/preprocess.py

3. Запустить тряпивную систему

python main.py

4. Оценить производительность системы:

python src/evaluation/evaluate.py

Разработка

• Используйте ноутбуки Jupyter в notebooks/ каталоге для разведки и прототипирования.
• Реализуйте основную функциональность в src/ каталоге.
• Добавьте модульные тесты в tests/ каталог.
• Используйте config.yaml для управления параметрами проекта.

Оценка

Производительность системы оценивается с использованием следующих метрик

• Точность поиска и отзыв
• Ответьте на актуальность
• Фактическая точность
• Согласованность ответа

Обратитесь к записной книжке «Оценка» для подробных результатов и анализа.

Методы оптимизации

Этот проект исследует различные методы оптимизации, включая

1. Усовершенствованные модели встраивания для поиска
2. Гибридные методы поиска
3. Расширение запроса
4. Стратегии обедания
5. Оперативная инженерия

Внося

Взносы в улучшение системы приветствуются. Пожалуйста, следуйте этим шагам:

1. Вилка репозитория
2. Создайте новую ветку ( git checkout -b feature/your-feature )
3. Внесите свои изменения и совершите их ( git commit -am 'Add new feature' )
4. Нажмите к ветке ( git push origin feature/your-feature )
5. Создать новый запрос на тяжесть

Лицензия

Этот проект лицензирован по лицензии MIT - для получения подробной информации см. Файл лицензии.

Благодарности

• 10 Академия для предоставления проблем и возможности обучения
• Lizzyai для вдохновения и руководства проекта

Контакт

Для любых запросов, пожалуйста, откройте вопрос об этом хранилище или свяжитесь с Abubeker Shamil.