LexMove RAG Chatbot

Türk hukuku konusunda uzmanlaşmış, RAG (Retrieval Augmented Generation) teknolojisi ile geliştirilmiş yapay zeka destekli soru-cevap sistemi.

Demo'yu Deneyin

Not: İlk açılışta 2-3 dakika bekleyebilirsiniz (database otomatik oluşturuluyor).

İçindekiler

Proje Hakkında
Özellikler
Veri Seti
Kullanılan Teknolojiler
Çözüm Mimarisi
Kurulum
Kullanım
Proje Yapısı
Ekran Görüntüleri
Sonuçlar ve Değerlendirme
Katkıda Bulunma
Lisans

Proje Hakkında

LexMove, Akbank GenAI Bootcamp kapsamında geliştirilmiş bir RAG chatbot uygulamasıdır. Proje, Türk hukuku ile ilgili soruları yanıtlamak için Retrieval Augmented Generation (RAG) teknolojisini kullanır. Kullanıcılar, hukuki sorularını doğal dilde sorabilir ve sistem, veri setindeki en alakalı bilgileri kullanarak güvenilir yanıtlar üretir.

Projenin Amacı

Türk hukukuna dair soruları hızlı ve güvenilir şekilde yanıtlamak
RAG teknolojisini kullanarak halüsinasyon (uydurma) riskini minimize etmek
Vektör veritabanı ile semantik arama yaparak en alakalı bilgileri bulmak
Kullanıcı dostu bir web arayüzü sunmak

Çözdüğü Problem

Geleneksel LLM'ler güncel veya spesifik domain bilgisi konusunda yetersiz kalabilir ve halüsinasyon yapabilir. LexMove, RAG mimarisi sayesinde:

Sadece güvenilir kaynaklardan (veri setinden) bilgi çeker
Güncel ve doğru yanıtlar verir
Bilgi bulamadığında bunu açıkça belirtir

Özellikler

Google Gemini 2.0 Flash ile doğal dil işleme
ChromaDB vektör veritabanı ile semantik arama
Sentence Transformers ile Türkçe embedding desteği
Otomatik Database Kurulumu (ilk çalıştırmada)
Sohbet Geçmişi ile bağlamsal konuşma
Modern Streamlit Arayüzü
Streamlit Cloud'da Deploy edilebilir

Veri Seti

Dataset: Turkish Law Chatbot

Kaynak: Hugging Face Datasets
Dil: Türkçe
Format: Q&A (Soru-Cevap)

Veri Seti İçeriği:

Toplam Kayıt: ~1000+ soru-cevap çifti
Konular: Türk hukuku, mevzuat, yasal prosedürler

Veri Yapısı:

{
  "question": "İş sözleşmesi nasıl feshedilir?",
  "answer": "İş sözleşmesinin feshi, İş Kanunu'nun 24. ve 25. maddelerinde..."
}

Veri Hazırlama Süreci:

Yükleme: Hugging Face'ten otomatik indirme
Temizleme: Boş ve geçersiz kayıtların filtrelenmesi
Document Dönüşümü: Her cevap bir LangChain Document'e dönüştürülür
Embedding: Sentence Transformers ile vektörel temsil
ChromaDB: Vektörlerin veritabanına yazılması

# Örnek Document Yapısı
Document(
    page_content="İş sözleşmesinin feshi...",  # Cevap metni
    metadata={
        "question": "İş sözleşmesi nasıl feshedilir?",
        "source": "turkish-law-chatbot",
        "row_id": 42
    }
)

Kullanılan Teknolojiler

LLM & Embeddings

Google Gemini 2.0 Flash - Text generation
Sentence Transformers (all-MiniLM-L6-v2) - Embedding model
LangChain - RAG pipeline framework

Vector Database

ChromaDB - Vektör veritabanı ve semantic search

Web Framework

Streamlit - Web arayüzü ve deployment

Data Processing

Hugging Face Datasets - Dataset yükleme
Pandas - Veri manipülasyonu

Deployment

Streamlit Cloud - Cloud hosting
GitHub - Version control

Çözüm Mimarisi

RAG Pipeline Akışı

┌─────────────────┐
│  Kullanıcı      │
│  Sorusu         │
└────────┬────────┘
         │
         ▼
┌─────────────────────────┐
│  Embedding Model        │
│  (all-MiniLM-L6-v2)    │
│  Soru → Vektör         │
└────────┬────────────────┘
         │
         ▼
┌─────────────────────────┐
│  ChromaDB               │
│  Similarity Search      │
│  (Top-k dokümanlır)    │
└────────┬────────────────┘
         │
         ▼
┌─────────────────────────┐
│  Context Formatter      │
│  Dokümanlar → Text     │
└────────┬────────────────┘
         │
         ▼
┌─────────────────────────┐
│  Prompt Template        │
│  Context + Question     │
└────────┬────────────────┘
         │
         ▼
┌─────────────────────────┐
│  Gemini 2.0 Flash       │
│  LLM Generation         │
└────────┬────────────────┘
         │
         ▼
┌─────────────────────────┐
│  Yanıt                  │
└─────────────────────────┘

Mimari Bileşenler

1. Embedding Layer

HuggingFaceEmbeddings(
    model_name="all-MiniLM-L6-v2",
    model_kwargs={'device': 'cpu'},
    encode_kwargs={'normalize_embeddings': True}
)

Soru ve cevapları 384 boyutlu vektörlere dönüştürür
Cosine similarity ile semantik benzerlik hesaplar

2. Vector Store

Chroma(
    persist_directory="chroma_db_lexmove_mini",
    embedding_function=embeddings,
    collection_name="mevzuat_chunks_mini"
)

~1000+ vektör saklama
O(log n) hızında arama
Persistent storage

3. Retrieval

vectorstore.similarity_search(query=user_question, k=8)

En alakalı 8 dokümanı getirir
Context window optimizasyonu

4. Generation

ChatGoogleGenerativeAI(
    model="gemini-2.0-flash-exp",
    temperature=0.3,
    max_output_tokens=2048
)

Düşük temperature (0.3) → Tutarlı yanıtlar
Maksimum 2048 token çıktı

Prompt Engineering

RAG_PROMPT_TEMPLATE = """
Sen, Türk hukuku konusunda uzmanlaşmış bir danışmansın.
Sadece BAĞLAM içerisindeki bilgileri kullan.
Bilgi yoksa "bulamadım" de, ASLA uydurma yapma.

BAĞLAM:
{context}

SORU:
{question}

YANIT:
"""

Prompt Stratejisi:

Strict grounding (sadece context kullan)
Hallucination prevention (uydurma yapma)
Türkçe output formatting
Politeness & clarity

Kurulum

Gereksinimler

Python 3.9+
pip
Google Gemini API Key (buradan alın)

Adım 1: Repoyu Klonlayın

git clone https://github.com/yourusername/lexmove-rag-chatbot.git
cd lexmove-rag-chatbot

Adım 2: Virtual Environment Oluşturun (Önerilen)

# Windows
python -m venv venv
venv\Scripts\activate

# Linux/Mac
python3 -m venv venv
source venv/bin/activate

Adım 3: Bağımlılıkları Kurun

pip install -r requirements.txt

requirements.txt içeriği:

streamlit==1.41.1
langchain==0.3.18
langchain-core==0.3.28
langchain-community==0.3.18
langchain-google-genai==2.0.9
langchain-huggingface==0.1.2
chromadb==0.5.23
sentence-transformers==3.3.1
datasets==3.2.0
pandas==2.2.3
python-dotenv==1.0.1

Adım 4: API Anahtarı Ayarlayın

.env dosyası oluşturun:

echo "GOOGLE_API_KEY=your_api_key_here" > .env

veya manuel olarak .env dosyası oluşturun:

GOOGLE_API_KEY=AIzaSyC...your_actual_key...xyz

Adım 5: Uygulamayı Çalıştırın

streamlit run app.py

İlk çalıştırma:

Database otomatik oluşturulacak (2-3 dakika)
Hugging Face'ten veri indirilecek
Embeddings hesaplanacak
ChromaDB oluşturulacak

Sonraki çalıştırmalar:

~30 saniye (cache'den yükleme)

Tarayıcınızda otomatik olarak açılacak: http://localhost:8501

Kullanım

Web Arayüzü

Soru Sorun:
```
"İş sözleşmesi nasıl feshedilir?"
```

Yanıt Alın:

İş sözleşmesinin feshi, İş Kanunu'nun 24. ve 25. 
maddelerinde düzenlenmiştir. İşveren, haklı sebep 
olmaksızın sözleşmeyi feshederse...

Sohbet Geçmişi:
- Önceki sorularınız ve yanıtları kayıtlı kalır
- Bağlamsal konuşma yapabilirsiniz
- "Sohbeti Temizle" ile yeni başlayabilirsiniz

Örnek Sorular

İyi Sorular:

- "Boşanma davası nasıl açılır?"
- "Kira sözleşmesi süresi ne kadardır?"
- "İşçi tazminat hakları nelerdir?"

Veri Seti Dışı Sorular:

- "Bugün hava nasıl?" (veri setinde yok)
- "Python nasıl öğrenilir?" (domain dışı)

Sistem cevabı: "Maalesef elimdeki mevzuat metinlerinde sorunuzun cevabına uygun bir yanıt bulamadım..."

Proje Yapısı

lexmove-rag-chatbot/
│
├── app.py                          # Ana Streamlit uygulaması
├── setup_database.py               # ChromaDB kurulum scripti
├── requirements.txt                # Python bağımlılıkları
├── README.md                       # Bu dosya
├── .env.example                    # API key örneği
├── .gitignore                      # Git ignore kuralları
│
├── chroma_db_lexmove_mini/         # ChromaDB (otomatik oluşturulur)
│   ├── chroma.sqlite3
│   └── ...
│
└── .streamlit/                     # Streamlit config (opsiyonel)
    └── config.toml

Dosya Açıklamaları

`app.py`

Streamlit web arayüzü
RAG pipeline yönetimi
Kullanıcı etkileşimi
Otomatik database kurulumu

`setup_database.py`

Hugging Face'ten veri indirme
Document dönüşümü
Embedding hesaplama
ChromaDB oluşturma

`requirements.txt`

Tüm Python bağımlılıkları
Sabit versiyonlar (reproducibility)

Ekran Görüntüleri

Ana Arayüz

 LexMove Hukuk Chatbotu
Türk Hukuku (Mini Q&A) veri seti ile desteklenen yapay zeka danışmanı.

┌─────────────────────────────────────┐
│  Merhaba! Türk hukuku ile ilgili │
│    sorularınızı cevaplayabilirim.   │
└─────────────────────────────────────┘

┌─────────────────────────────────────┐
│  İş sözleşmesi nasıl feshedilir? │
└─────────────────────────────────────┘

┌─────────────────────────────────────┐
│  Kamusallaştırma nedir ?       │
└─────────────────────────────────────┘

Sidebar - Sistem Durumu

 Sistem Durumu
 Database aktif
 Toplam Vektör: 1,245
 LLM hazır (Gemini 2.0)

 Kullanım İpuçları
- Türk hukuku hakkında soru sorun
- Net ve spesifik sorular sorun

 Proje Bilgileri
 Model: Gemini 2.0 Flash
 Vector DB: ChromaDB
 Embedding: all-MiniLM-L6-v2

Sonuçlar ve Değerlendirme

Başarı Metrikleri

Metrik	Değer	Açıklama
Response Time	~2-4s	Ortalama yanıt süresi
Relevance Score	85%+	Alakalı doküman bulma oranı
Accuracy	Yüksek	Context-based yanıtlar
Hallucination Rate	Düşük	RAG sayesinde minimize
Database Size	~50MB	Kompakt vektör depolama

Güçlü Yönler

Doğruluk: Sadece veri setindeki bilgileri kullanır
Şeffaflık: "Bilmiyorum" diyebiliyor
Hız: 2-4 saniyede yanıt
Maliyet: Düşük token kullanımı (context grounding)
Kullanıcı Deneyimi: Sezgisel arayüz

Sınırlamalar

Veri Seti Kapsam: Sadece veri setindeki konular
Güncellik: Dataset statik (real-time güncelleme yok)
Context Window: Maksimum 8 doküman
Dil: Sadece Türkçe

Gelecek Geliştirmeler

Planlanan İyileştirmeler:

Daha geniş veri seti entegrasyonu
Periyodik veri güncelleme
Çoklu kaynak desteği (mevzuat siteleri, içtihatlar)
Kullanıcı feedback mekanizması
Domain-specific fine-tuning

Streamlit Cloud Deployment

Adım 1: GitHub'a Push

git add .
git commit -m "Initial commit"
git push origin main

Adım 2: Streamlit Cloud

share.streamlit.io → Sign in
"New app" → Repository seçin

Advanced settings:

[secrets]
GOOGLE_API_KEY = "your_actual_api_key"

Deploy!

Adım 3: İlk Başlatma

İlk deploy: 5-10 dakika
Database otomatik oluşturulacak
URL paylaşılabilir duruma gelecek

Demo URL: https://your-app-name.streamlit.app

Lisans

Bu proje MIT Lisansı altında lisanslanmıştır. Detaylar için LICENSE dosyasına bakın.

Kullanılan Veri Seti :

LexMove geliştirilirken açık kaynaklı veriseti kullanılmıştır. Alan Bilgi Veri Seti Adı :Turkish Law Chatbot Dataset Yayıncı : Renicames (Hugging Face) Lisans :MIT Lisansı Kaynak: https://huggingface.co/datasets/Renicames/turkish-law-chatbot

Akbank GenAI Bootcamp

Bu proje, **Akbank GenAI Bootcamp: Yeni Nesil Proje Kampı için geliştirilmiştir.

Bootcamp: Akbank & Global AI Hub
Tarih: 2025
Konu: Rag Temelli Hukuk Chatbot'u Geliştirmek

Kaynaklar

Geliştirici : Aslı Nur Tunus Linkedin:https://www.linkedin.com/in/aslı-nur-tunus-3b1512207/ Github:https://github.com/aslittz E-mail : aslinurtunus@gmail.com

Başa Dön

Name		Name	Last commit message	Last commit date
Latest commit History 21 Commits
notebooks		notebooks
scripts		scripts
venv_final		venv_final
.env.example		.env.example
.gitignore		.gitignore
README.md		README.md
app.py		app.py
requirements.txt		requirements.txt
setup_database.py		setup_database.py

aslittz/LexMove-ChatBot

Folders and files

Latest commit

History

Repository files navigation