beryamosta commited on
Commit
0d0df3b
·
verified ·
1 Parent(s): 35ea842

Update app.py

Browse files
Files changed (1) hide show
  1. app.py +0 -260
app.py CHANGED
@@ -1,266 +1,6 @@
1
  import streamlit as st
2
  import random
3
  import time
4
- from llama_index.core.retrievers import VectorIndexRetriever
5
- from llama_index.core import QueryBundle
6
- import gradio as gr
7
- import pandas as pd
8
- from llama_index.core.postprocessor import LLMRerank
9
- from IPython.display import display, HTML
10
- from llama_index.core.vector_stores import (
11
- MetadataFilter,
12
- MetadataFilters,
13
- FilterOperator,
14
- FilterOperator
15
- )
16
- from llama_index.core.tools import RetrieverTool
17
- from llama_index.core.retrievers import RouterRetriever
18
- from llama_index.core.selectors import PydanticSingleSelector
19
- from llama_index.core import (
20
- VectorStoreIndex,
21
- SimpleKeywordTableIndex,
22
- SimpleDirectoryReader,
23
- )
24
- from llama_index.core import SummaryIndex, Settings
25
- from llama_index.core.schema import IndexNode
26
- from llama_index.core.tools import QueryEngineTool, ToolMetadata
27
- from llama_index.llms.openai import OpenAI
28
- from llama_index.core.callbacks import CallbackManager
29
- from llama_index.core import Document
30
- import os
31
- from llama_index.embeddings.openai import OpenAIEmbedding
32
- import nest_asyncio
33
- import pandas as pd
34
- import hashlib
35
- import tiktoken
36
- from dotenv import load_dotenv
37
-
38
- load_dotenv()
39
-
40
-
41
- nest_asyncio.apply()
42
- openai_key = os.getenv('openai_key_secret')
43
- os.environ["OPENAI_API_KEY"] = openai_key
44
-
45
-
46
- llm=OpenAI(temperature=0, model="gpt-4o")
47
- Settings.llm = llm
48
- Settings.embed_model = OpenAIEmbedding(model="text-embedding-ada-002")
49
- ds=pd.read_excel("data_metropole 2.xlsx")
50
-
51
- # df est la DATAFRAME qui contient le fichier source
52
- df=ds.drop(columns=['Theme ID', 'SousTheme ID', 'Signataire Matricule',
53
- 'Suppleant Matricule', 'Date Nomination', 'Date Commite Technique', 'Numero',
54
- 'Libelle', 'Date Creation', 'Date Debut'])
55
- #la DATAFRAME (filter_signataire) est celle qui contient les colonne relative au signataire
56
- #la DATAFRAME (filter) est celle qui contient les colonne relative au département
57
-
58
- filter_signataire = df[['Signataire', 'Fonction']]
59
- filter_signataire = filter_signataire.drop_duplicates()
60
- filter = df[['Collectivite', 'Direction DGA', 'Liste Service Text']]
61
- filter = filter.drop_duplicates()
62
-
63
- # pre traitement est cleaning des dataframe
64
- df = df.dropna(subset=['Item Text'])
65
- df_sorted = df.sort_values(by=['Collectivite', 'Direction DGA', 'Liste Service Text', 'Item Text','Theme Title','SousTheme Title','Item Text'])
66
-
67
- #traietement des dataframe
68
- df.loc[:, 'content'] = df.apply(lambda x: f'''
69
- / Theme : {x['Theme Title'] or ''}
70
- / Sous-Theme : {x['SousTheme Title'] or ''}
71
- / Item : {x['Item Text'] or ''}
72
- / Signataire : {x['Signataire'] or ''}
73
- / Suppleant : {x['Suppleant'] or ''}
74
- / Les services : {x['Liste Service Text'] or ''}
75
- ''', axis=1)
76
-
77
- #############
78
-
79
- df = df.fillna(value='')
80
- filter = filter.fillna(value='')
81
- filter_signataire = filter_signataire.fillna(value='')
82
-
83
- #############
84
-
85
- df.loc[:, 'description'] = df.apply(lambda x: f'''Collectivite : {x['Collectivite'] or ''}
86
- Direction : {x['Direction DGA'] or ''}
87
- Liste des Service : {x['Liste Service Text'] or ''}
88
- ''', axis=1)
89
-
90
- filter.loc[:, 'description'] = filter.apply(lambda x: f'''Collectivite : {x['Collectivite'] or ''}
91
- Direction : {x['Direction DGA'] or ''}
92
- Liste des Service : {x['Liste Service Text'] or ''}
93
- ''', axis=1)
94
-
95
- filter_signataire.loc[:, 'description'] = filter_signataire.apply(lambda x: f'''Signataire : {x['Signataire'] or ''}
96
- Fonction : {x['Fonction'] or ''}
97
- ''', axis=1)
98
-
99
- def hachage(row):
100
- return hashlib.sha1(row.encode("utf-8")).hexdigest()
101
-
102
- # le hashage
103
- df['hash'] = df.apply(lambda x: hachage(f'''Collectivite : {x['Collectivite'] or ''}
104
- Direction : {x['Direction DGA'] or ''}
105
- Liste des Service : {x['Liste Service Text'] or ''}
106
- '''), axis=1)
107
- filter['hash'] = filter.apply(lambda x: hachage(f'''Collectivite : {x['Collectivite'] or ''}
108
- Direction : {x['Direction DGA'] or ''}
109
- Liste des Service : {x['Liste Service Text'] or ''}
110
- '''), axis=1)
111
- #################################################"
112
- filter_signataire['hash'] = filter_signataire.apply(lambda x: hachage(f'''Signataire : {x['Signataire'] or ''}
113
- '''), axis=1)
114
-
115
- #construction des DOCUMENTS pour la vectorisation
116
- description_docs = [Document(text=row['description'],metadata={"id_documents": row['hash']}) for index, row in filter.iterrows()]
117
- content_docs = [Document(text=row['content'],metadata={"id_documents": row['hash']}) for index, row in df.iterrows()]
118
- signataire_docs = [Document(text=row['Signataire'],metadata={"id_signataire": row['hash']}) for index, row in filter_signataire.iterrows()]
119
- content_signataire = [Document(text=row['content'],metadata={"id_signataire": row['hash']}) for index, row in df.iterrows()]
120
-
121
- index = VectorStoreIndex.from_documents(
122
- description_docs,
123
- show_progress = True
124
- )
125
- index_all = VectorStoreIndex.from_documents(
126
- content_docs,
127
- show_progress = True
128
- )
129
- index_signataire = VectorStoreIndex.from_documents(
130
- signataire_docs,
131
- show_progress = True
132
- )
133
- index_all_signataire = VectorStoreIndex.from_documents(
134
- content_signataire,
135
- show_progress = True
136
- )
137
-
138
- def get_retrieved_nodes(
139
- query_str, vector_top_k=10, reranker_top_n=3, with_reranker=False,index=index):
140
- query_bundle = QueryBundle(query_str)
141
- # configure retriever
142
- retriever = VectorIndexRetriever(
143
- index=index,
144
- similarity_top_k=vector_top_k,
145
-
146
- )
147
- retrieved_nodes = retriever.retrieve(query_bundle)
148
-
149
- if with_reranker:
150
- # configure reranker
151
- reranker = LLMRerank(
152
- choice_batch_size=5,
153
- top_n=reranker_top_n,
154
- )
155
- retrieved_nodes = reranker.postprocess_nodes(
156
- retrieved_nodes, query_bundle
157
- )
158
-
159
- return retrieved_nodes
160
- def get_all_text(new_nodes):
161
- texts = []
162
- for i, node in enumerate(new_nodes, 1):
163
- texts.append(f"\nDocument {i} : {node.get_text()}")
164
- return ' '.join(texts)
165
-
166
- def further_retrieve(query):
167
- # Retrieve new nodes based on the query
168
- new_nodes = get_retrieved_nodes(
169
- query,
170
- index=index,
171
- vector_top_k=10,
172
- reranker_top_n=5,
173
- with_reranker=False,
174
- )
175
- new_nodes_signataire = get_retrieved_nodes(
176
- query,
177
- index=index_all_signataire,
178
- vector_top_k=10,
179
- reranker_top_n=5,
180
- with_reranker=False,
181
- )
182
- filters = MetadataFilters(
183
- filters=[
184
- MetadataFilter(key="id_documents", value=[node.metadata['id_documents'] for node in new_nodes], operator=FilterOperator.IN)
185
- ],
186
- )
187
- filters_s = MetadataFilters(
188
- filters=[
189
- MetadataFilter(key="id_signataire", value=[node.metadata['id_signataire'] for node in new_nodes_signataire], operator=FilterOperator.IN)
190
- ],
191
- )
192
-
193
- # Create a retriever with the specified filters
194
- retriever_description = index_all.as_retriever(filters=filters, similarity_top_k=15)
195
- retriever_signataire= index_all_signataire.as_retriever(filters=filters_s,similarity_top_k=4)
196
- # initialize tools
197
- description_tool = RetrieverTool.from_defaults(
198
- retriever=retriever_description,
199
- description="Useful for retrieving specific context from direction, liste service and collectivite",
200
- )
201
- signataire_tool = RetrieverTool.from_defaults(
202
- retriever=retriever_signataire,
203
- description="Useful for retrieving specific context from signataire and fonction",
204
- )
205
- # define retriever
206
- retriever = RouterRetriever(
207
- selector=PydanticSingleSelector.from_defaults(llm=llm),
208
- retriever_tools=[
209
- description_tool,
210
- signataire_tool,
211
- ],
212
- )
213
- try :
214
- query_bundle = QueryBundle(query)
215
- # Retrieve nodes based on the original query and filters
216
- retrieved_nodes = retriever.retrieve(query_bundle)
217
- reranker = LLMRerank(
218
- choice_batch_size=5, # Process 5 nodes at a time
219
- top_n=7 # Return the top 7 reranked nodes
220
- )
221
-
222
- # Post-process the retrieved nodes by reranking them
223
- reranked_nodes = reranker.postprocess_nodes(retrieved_nodes, query_bundle)
224
- return get_all_text(reranked_nodes)
225
- except :
226
- print("No rerank")
227
- return get_all_text(retriever.retrieve(query))
228
-
229
- def estimate_tokens(text):
230
- # Encoder le texte pour obtenir les tokens
231
- encoding = tiktoken.get_encoding("cl100k_base")
232
- tokens = encoding.encode(text)
233
- return len(tokens)
234
-
235
-
236
- def prompt_objectif(user_input):
237
- from openai import OpenAI
238
- client = OpenAI(api_key=openai_key)
239
- documents = further_retrieve(user_input)
240
- try:
241
- # Tokenize the text using tiktoken
242
- encoder = tiktoken.get_encoding("cl100k_base")
243
- tokens = encoder.encode(user_input)
244
- encoded_text = encoder.decode(tokens)
245
-
246
- # Make the API call to the language model
247
- response = client.chat.completions.create(
248
- model="gpt-4o",
249
- messages=[
250
- {"role": "system", "content": f"""Tu es un assistant utile. L'utilisateur posera une question et tu devras trouver la réponse dans les documents suivants.Focalise sur les service et la direction du signataire que l'utilisateur cherche. Tu ne dois pas poser de question en retour.Tu ne sois mentionner le numéro des documents. Tu t'exprimes dans la même langue que l'utilisateur.,
251
- DOCUMENTS :
252
- {documents}"""},
253
- {"role": "user", "content": user_input},
254
- ]
255
- )
256
-
257
- # Extract and return the generated response
258
- resultat = response.choices[0].message.content
259
- return resultat
260
-
261
- except Exception as e:
262
- print(f"Failed to generate questions: {e}")
263
- return None
264
 
265
  #_______________________________________________________________________________________________________________________________________________
266
 
 
1
  import streamlit as st
2
  import random
3
  import time
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
4
 
5
  #_______________________________________________________________________________________________________________________________________________
6