Upload 3 files

README (1).md

@@ -0,0 +1,86 @@
+---
+title: KitapYurdu Chatbot
+emoji: 📖
+colorFrom: indigo
+colorTo: blue
+sdk: streamlit
+sdk_version: 1.50.0
+app_file: app.py
+pinned: false
+---
+
+# Kitapyurdu Yorum Chatbotu
+
+Bu proje, Kitapyurdu yorumları üzerine geliştirilmiş bir **RAG tabanlı chatbot** içerir. 
+Kullanıcılar kitaplarla ilgili sorular sorabilir ve chatbot, kullanıcı yorumlarını baz alarak yanıt üretir. 
+
+---
+
+## Projenin Amacı
+- Kitap yorumlarını kullanarak kullanıcıların sorularını yanıtlamak
+- Kitapların olumlu/olumsuz yönlerini özetlemek
+- RAG mimarisi ile doğruluğu artırmak
+
+---
+
+## Veri Seti
+- **Ad:** Kitapyurdu Yorumları
+- **Kaynak:** [HuggingFace](https://huggingface.co/datasets/alibayram/kitapyurdu_yorumlar) (token gerektirir)
+- **Sütunlar:**
+  - yorum: Kullanıcı yorumu
+  - kitap_adi: Kitap adı
+  - puan: 1-5 arası kullanıcı puanı
+  - tarih: Yorum tarihi
+- **İçerik:** Türkçe kitap yorumları, olumlu ve olumsuz görüşler içerir.
+- **Hazırlık:** Boş veya kısa yorumlar çıkarıldı, Türkçe karakterler normalize edildi. Metadata olarak kitap adı ve puan saklandı.
+
+---
+
+## Kullanılan Yöntemler
+1. **RAG Pipeline**
+   - Metinler embedding modeline (OpenAI/Gemini) gönderildi
+   - Chroma vektör veritabanında saklandı
+   - Soru geldiğinde retriever benzer yorumları buluyor ve LLM yanıt üretiyor
+2. **Embedding Modeli**
+   - OpenAI `text-embedding-3-small` modeli
+3. **Vektör Veritabanı**
+   - Chroma kullanıldı
+4. **Web Arayüzü**
+   - Streamlit ile kullanıcı etkileşimi sağlandı
+
+---
+
+## Elde Edilen Sonuçlar
+- Kullanıcı sorularına hızlı ve bağlamsal cevaplar üretildi
+- Örnek sorular:
+  - "Bu kitabın konusu nedir?"
+  - "Kullanıcılar bu kitabı beğenmiş mi?"
+- Arayüz minimal ama işlevsel, soru-yanıt geçmişi tutuluyor
+
+---
+
+## Kurulum ve Çalıştırma
+1. Reponuzu klonlayın:
+```bash
+git clone https://github.com/nihalm-collab/GAIH-Chatbot-Projesi.git
+cd GAIH-Chatbot-Projesi
+```
+2. Virtual environment oluşturun ve aktif edin:
+```bash
+python -m venv venv
+source venv/bin/activate   # Linux/Mac
+venv\Scripts\activate      # Windows
+```
+3. Gerekli paketleri yükleyin:
+```bash
+pip install -r requirements.txt
+```
+4. `.env` dosyasını oluşturun ve API anahtarlarınızı ekleyin:
+```bash
+OPENAI_API_KEY=your_openai_api_key_here
+HF_TOKEN=your_huggingface_token_here
+```
+5. Streamlit uygulamasını çalıştırın:
+```bash
+streamlit run app.py
+```

app.py

@@ -0,0 +1,79 @@
+"""
+📚 KitapYurdu Yorum Asistanı Chatbot
+- Hugging Face Spaces veya Lokal ortamda çalışacak
+"""
+
+import os
+import streamlit as st
+from datasets import load_dataset
+import chromadb
+from chromadb.config import Settings
+from langchain.text_splitter import RecursiveCharacterTextSplitter
+from langchain.vectorstores import Chroma
+from langchain_google_genai import ChatGoogleGenerativeAI, GoogleGenerativeAIEmbeddings
+from langchain.chains import RetrievalQA
+from dotenv import load_dotenv
+
+# --- 1. Ortam Değişkenleri
+# Lokal için .env yükle
+if os.path.exists(".env"):
+    load_dotenv()
+
+GEMINI_API_KEY = os.environ.get("GEMINI_API_KEY")
+HF_TOKEN = os.environ.get("HF_TOKEN")
+
+# --- 2. Streamlit Başlığı
+st.set_page_config(page_title="📖 KitapYurdu Chatbot")
+st.title("📖 KitapYurdu Yorum Asistanı (Gemini 2.0 Flash)")
+
+# --- 3. Veri Seti Yükleme
+@st.cache_data
+def load_kitapyurdu_dataset():
+    dataset = load_dataset("alibayram/kitapyurdu_yorumlar", split="train", token=HF_TOKEN)
+    return dataset
+
+st.write("📡 Veri seti yükleniyor...")
+dataset = load_kitapyurdu_dataset()
+st.success("✅ Veri seti yüklendi!")
+
+# --- 4. Metinleri Bölme
+text_splitter = RecursiveCharacterTextSplitter(chunk_size=1000, chunk_overlap=200)
+texts = text_splitter.split_text(" ".join(dataset["yorum"][:500]))  # İlk 500 yorum örnek
+
+# --- 5. ChromaDB
+PERSIST_DIR = "chroma_db"
+os.makedirs(PERSIST_DIR, exist_ok=True)
+
+embeddings = GoogleGenerativeAIEmbeddings(
+    model="models/embedding-001",
+    google_api_key=GEMINI_API_KEY
+)
+
+vectorstore = Chroma.from_texts(
+    texts,
+    embeddings,
+    persist_directory=PERSIST_DIR
+)
+
+# --- 6. RAG Pipeline
+retriever = vectorstore.as_retriever(search_kwargs={"k": 3})
+llm = ChatGoogleGenerativeAI(
+    model="gemini-2.0-flash",
+    google_api_key=GEMINI_API_KEY,
+    temperature=0.2
+)
+qa_chain = RetrievalQA.from_chain_type(
+    llm=llm,
+    chain_type="stuff",
+    retriever=retriever,
+)
+
+# --- 7. Kullanıcı Arayüzü
+st.markdown("### 💬 Kitaplar hakkında soru sor:")
+user_query = st.text_input("Örnek: 'En çok beğenilen kitap hangisi?'", "")
+
+if user_query:
+    with st.spinner("Yanıt hazırlanıyor..."):
+        response = qa_chain.run(user_query)
+        st.markdown("### 🧠 Yanıt:")
+        st.write(response)

requirements.txt

@@ -1,3 +1,7 @@
-altair
-pandas
-streamlit
+streamlit==1.25.0 
+datasets==2.17.1
+chromadb==0.4.3
+langchain==0.1.118
+tiktoken==0.4.3
+langchain-google-genai==0.0.6
+python-dotenv==1.0.1