Apppublic

tugce90/Akademik_Asistan

sourceHugging Faceupdated 11mo agoView on Hugging Face

0likes

App README

🎓 Türk Akademik Tez Araştırma Asistanı

Bu proje, RAG (Retrieval Augmented Generation) mimarisi kullanarak Türk akademik tezlerinden bilgi çıkaran bir yapay zekâ araştırma asistanıdır. Uygulama, LangChain, ChromaDB, ve Groq API (Llama 3.1) teknolojilerini bir araya getirir. Kullanıcı, Türkçe olarak tezlerle ilgili sorular sorar ve sistem en uygun tez özetlerinden kaynaklı, doğru ve doğal yanıtlar üretir.

🚀 Özellikler

Özellik	Açıklama
🧠 Groq Llama 3.1 Entegrasyonu	Düşük gecikmeli, yüksek doğruluklu yanıtlar için Groq API’si kullanılır.
🔍 RAG (Retrieval-Augmented Generation)	Bilgiyi doğrudan akademik tezlerden çekerek yanıt üretir.
💾 Hash-tabanlı Embedding	Harici model indirmeden, SHA-256 tabanlı embedding ile hızlı vektör temsili sağlar.
🗄️ ChromaDB Vektör Veritabanı	Tez parçacıkları embedding’lenir ve ChromaDB içinde benzerlik aramaları yapılır.
🧩 LangChain Pipeline	Retriever + LLM + Prompt yönetimini otomatikleştirir.
💬 Streamlit Arayüzü	Kullanıcı dostu web arayüzü ile etkileşimli soru-cevap deneyimi sağlar.

📚 Kullanılan Teknolojiler

Teknoloji	Amaç
Streamlit	Web arayüzü oluşturma
LangChain	RAG zinciri, prompt yönetimi ve pipeline oluşturma
ChromaDB	Vektör veritabanı ve benzerlik araması
Groq API	Llama 3.1 LLM entegrasyonu
Hugging Face Datasets	Türk akademik tez verisi kaynağı
Python hashlib	Hash-tabanlı embedding oluşturma

🧾 Veri Seti Hakkında

📘 Kaynak:

Dataset Adı: `umutertugrul/turkish-academic-theses-dataset` Sağlayıcı: YÖK Tez Merkezi

🧩 İçerik:

Bu veri seti, YÖK Tez Merkezi’nden derlenmiş Türkçe yüksek lisans ve doktora tezlerinin başlık, yazar, yıl, konu ve özet bilgilerini içerir. Aşağıda örnek bir veri yapısı gösterilmektedir:

json

{
  "title_tr": "Makine Öğrenmesi ile Hava Kirliliği Tahmini",
  "abstract_tr": "Bu tezde Türkiye'de hava kalitesinin tahmini için LSTM modelleri kullanılmıştır...",
  "author": "Zeynep Kaya",
  "year": "2022",
  "subject": "Çevre Mühendisliği"
}

💡 Projeyi Kendi Bilgisayarında Çalıştırmak İçin

Bu projeyi GitHub üzerinden klonlayarak kendi bilgisayarınızda birkaç adımda çalıştırabilirsiniz 👇 ---

1️⃣ Depoyu Klonlayın

GitHub sayfamdan projeyi kopyalayın:

bash

git clone https://github.com/tugce90karakaya/Akademik-Asistan.git
cd Akademik-Asistan

2️⃣ Sanal Ortam Oluşturun (Opsiyonel ama Önerilir)

GitHub sayfamdan projeyi kopyalayın:

bash

python3 -m venv venv
source venv/bin/activate  # macOS/Linux
venv\Scripts\activate   # Windows

3️⃣ Gerekli Kütüphaneleri Yükleyin

bash

pip install -r requirements.txt

4️⃣ API Anahtarlarını Ayarlayın

Proje kök dizininde .env dosyası oluşturun

bash

touch .env

İçine aşağıdaki gibi kendi anahtarlarınızı ekleyin:

bash

GROQ_API_KEY="Kendi API anahtarınızı yazınız"

5️⃣ Uygulamayı Başlatın

Uygulamayı başlatmak için aşağıdaki kodu çalıştırın:

bash

streamlit run project.py

Uygulama otomatik olarak tarayıcınızda açılacaktır. 👉http://localhost:8501/ ---

🐳 Docker Image Oluşturma ve Çalıştırma

Projenin, tüm kullanıcılarda tutarlı şekilde çalışması için DockerFile dosyasını kullanabilirsiniz.

1️⃣ Docker Image Oluştur

bash

docker build -t image_adı .

2️⃣ Container'ı Çalıştır

bash

docker run -p 8501:8501 image_adı

🌐Erişim

Container çalıştıktan sonra yandaki adresten ulaşabilirsiniz. http://localhost:8501/

📁 Proje Yapısı

bash

.
├── app.py              # 🚀 Ana Uygulama Dosyası. Tüm RAG mantığı, LangChain zinciri, ChromaDB kurulumu ve Streamlit arayüz kodu bu dosyada yer alır.
├── requirements.txt    # 📦 Bağımlılıklar. Projenin ihtiyaç duyduğu tüm Python kütüphaneleri (streamlit, langchain-groq, datasets vb.) bu dosyada listelenir.
├── Dockerfile          # 🐳 Containerizasyon. Uygulamayı Docker container'ında çalıştırmak için gerekli yapılandırma dosyası.
├── .env                # 🔑 Gizli Anahtarlar. Groq API Key gibi hassas bilgiler burada saklanır. **Bu dosya Git deposuna ASLA dahil edilmemelidir.**
└── README.md           # 📜 Bu Dosya. Projenin genel açıklaması, mimarisi ve adım adım kurulum talimatları.