NoterLLM - Türk Noter Hukuku RAG Sistemi

Noterlik Kanunu ve Türkiye Noterler Birliği genelgelerine dayalı AI destekli soru-cevap sistemi. Retrieval-Augmented Generation (RAG) teknolojisi ile doğru ve kaynak referanslı yanıtlar sunar.

Demo on HuggingFace Spaces

🚀 Özellikler

• Çoklu Kaynak Desteği: Noterlik Kanunu (1512) + TNB Genelgeleri
• Hibrit Retrieval: FAISS (semantic search) + BM25 (keyword search)
• Hiyerarşik Chunking: Her chunk kaynak, madde ve kısım bilgisi içerir
• Kaynak Referansları: Her yanıtta kanun/genelge madde numarası belirtilir
• İndeks Önbellekleme: İlk çalıştırmadan sonra 95% daha hızlı başlatma
• Web Arayüzü: Gradio ile minimalist ve kolay kullanıcı deneyimi

📋 Gereksinimler

• Python 3.8+
• HuggingFace Access Token

🔧 Kurulum

1. Gerekli paketleri yükleyin

pip install -r requirements.txt

2. HuggingFace Token Ayarlayın

echo "HF_TOKEN=your_huggingface_token" > .env

📊 Veri Hazırlama

Projeyi kullanmaya başlamadan önce sırasıyla şu adımları izleyin:

Genelgeleri Hazırlama

# 1. Genelge PDF'den metin çıkar
python extract.py

# 2. Metni işle ve chunklara ayır
python process.py

Noterlik Kanununu Hazırlama

# 1. Kanun PDF'den metin çıkar
python extract_kanun.py

# 2. Kanunu işle ve chunklara ayır
python process_kanun.py

RAG Sistemini Başlatma

# 3. FAISS ve BM25 indekslerini oluştur (her iki kaynak için)
python llm_rag_setup.py

İlk çalıştırmada indekslerin oluşturulması 2-5 dakika sürer. Sonraki çalıştırmalarda mevcut indeksler yüklenir (~5 saniye).

💬 Kullanım

Web Arayüzü

python app.py

📚 Veri Kaynakları

• Noterlik Kanunu
• TNB Genelgeleri

🔍 Teknik Detaylar

• Embedding Model: intfloat/multilingual-e5-base (768 dim, Türkçe destekli)
• LLM: Qwen2.5-7B-Instruct
• Retrieval: Ensemble (FAISS + BM25, Top-K: 5)
• Chunking: 1500 karakter, 200 overlap

---

Not: Bu sistem genelgelere dayalı bilgi sağlar ancak resmi hukuki danışmanlık yerine geçmez. Önemli kararlar için mutlaka yetkili mercilere danışın.