| """ | |
| Merkezi konfigürasyon. | |
| Tüm modüller parametrelerini buradan okur; tek bir yerden ayarlanabilir. | |
| """ | |
| import os | |
| # -------------------------------------------------------------------------- | |
| # Veri seti | |
| # -------------------------------------------------------------------------- | |
| HF_DATASET_ID = "umutertugrul/turkish-hospital-medical-articles" | |
| # Veri setindeki tüm parquet dosyaları (14 hastane) — load_data.py bunları birleştirir. | |
| HF_DATASET_FILES = [ | |
| "acibadem.parquet", "anadolusaglik.parquet", "atlas.parquet", "baskentistanbul.parquet", | |
| "bayindir.parquet", "florence.parquet", "guven.parquet", "liv.parquet", | |
| "medicalpark.parquet", "medicalpoint.parquet", "medicana.parquet", "medipol.parquet", | |
| "memorial.parquet", "yeditepe.parquet", | |
| ] | |
| SAMPLE_SIZE = 300 # 100-1000 arası; varsayılan 300 makale | |
| RANDOM_SEED = 42 | |
| # -------------------------------------------------------------------------- | |
| # Chunking (sabit token sayısı + overlap) | |
| # -------------------------------------------------------------------------- | |
| CHUNK_SIZE_TOKENS = 400 # her chunk'ın hedef token sayısı | |
| CHUNK_OVERLAP_TOKENS = 80 # ardışık chunk'lar arası örtüşme | |
| # -------------------------------------------------------------------------- | |
| # Embedding modeli | |
| # -------------------------------------------------------------------------- | |
| EMBEDDING_MODEL_ID = "magibu/embeddingmagibu-200m" | |
| EMBEDDING_DIM = 768 | |
| EMBEDDING_BACKEND = os.environ.get("EMBEDDING_BACKEND", "mock") # "real" | "mock" | |
| # -------------------------------------------------------------------------- | |
| # Vektör veritabanı (ChromaDB) | |
| # -------------------------------------------------------------------------- | |
| CHROMA_PERSIST_DIR = os.path.normpath(os.path.join(os.path.dirname(__file__), "..", "chroma_db")) | |
| CHROMA_COLLECTION_NAME = "turkish_medical_chunks" | |
| # -------------------------------------------------------------------------- | |
| # Arama / eşik (threshold) | |
| # -------------------------------------------------------------------------- | |
| # NOT: Bu değer, eval/run_eval.py'nin threshold-sweep sonucuna göre belirlenmiştir | |
| # VE embedding backend'ine özgüdür. mock (TF-IDF) backend için 0.10 uygunken, gerçek | |
| # sentence-embedding modeli (magibu/embeddingmagibu-200m) çok farklı bir skor dağılımı | |
| # üretir (cosine similarity'ler tipik olarak 0.4-0.8 aralığında olur). Backend | |
| # değiştirildiğinde eval/run_eval.py MUTLAKA yeniden çalıştırılıp bu değer | |
| # güncellenmelidir — bkz. README "Eşik (Threshold) Analizi". | |
| SIMILARITY_THRESHOLD = 0.10 if os.environ.get("EMBEDDING_BACKEND", "mock") == "mock" else 0.55 | |
| TOP_K = 3 | |
| # -------------------------------------------------------------------------- | |
| # Çıktı dosyaları | |
| # -------------------------------------------------------------------------- | |
| OUTPUT_DIR = os.path.normpath(os.path.join(os.path.dirname(__file__), "..", "output")) | |
| CHUNKS_PARQUET_PATH = os.path.join(OUTPUT_DIR, "turkish_medical_chunks.parquet") | |
| MOCK_EMBEDDER_STATE_PATH = os.path.join(OUTPUT_DIR, "mock_embedder_state.pkl") | |