Update app.py

app.py

@@ -76,38 +76,44 @@ def refine_label_with_llm(entity_text, wiki_context, custom_label_definitions):
         [f"- {k}: {v}" for k, v in custom_label_definitions.items()]
     )
     
-    # LLM için örnekler (Few-shot learning)
-    # CoT yapısına uygun hale getirildi.
+    # LLM için örnekler (Few-shot learning) - İyileştirilmiş ve daha çeşitli
     few_shot_examples = """ÖRNEK 1 (NORP İÇİN):
 VARLIK: Türk
 BAĞLAM: Türkler, Türkiye Cumhuriyeti'nde yaşayan ve Türkçe konuşan büyük bir etnik gruptur. (NORP tanımı ile eşleşir.)
-GÖZLEM: 'Türkler' etnik bir grubu ifade ediyor. Bağlamda 'Türkiye Cumhuriyeti' ve 'etnik grup' kelimeleri geçiyor.
+GÖZLEM: 'Türk' varlığı bir etnik grubu veya milliyeti ifade ediyor. Bağlamda 'etnik grup' ve 'Türkiye Cumhuriyeti' geçiyor.
 AKIL YÜRÜTME: Etnik veya dini grupları tanımlayan etiket 'NORP'dur. 'Türk' varlığı bu tanıma uymaktadır.
 CEVAP: NORP
 
-ÖRNEK 2 (TITLE İÇİN):
+ÖRNEK 2 (LANGUAGE İÇİN):
+VARLIK: Türkçe
+BAĞLAM: Türkçenin ilk yazılı örnekleri Orhun Yazıtları'dır. Türk dilleri koluna ait bir dildir. Dünya çapında en çok konuşulan 20. dildir. (LANGUAGE tanımı ile eşleşir.)
+GÖZLEM: 'Türkçe', bir iletişim aracı olan dili ifade ediyor. Bağlamda 'Türk dilleri koluna ait bir dildir' ifadesi geçiyor.
+AKIL YÜRÜTME: İnsan dillerinin adlarını tanımlayan etiket 'LANGUAGE'dir. Varlık tanımıyla tam olarak eşleşmektedir.
+CEVAP: LANGUAGE
+
+ÖRNEK 3 (BOOK İÇİN):
+VARLIK: Sinekli Bakkal
+BAĞLAM: Halide Edib Adıvar'ın 1935'te yayınlanan ve popüler kültürde önemli yer tutan romanıdır. Eser, II. Dünya Savaşı öncesi İstanbul'u anlatır. (BOOK tanımı ile eşleşir.)
+GÖZLEM: 'Sinekli Bakkal' yazar adı ve yayın tarihi ile birlikte bir 'roman' olarak anılıyor. Bağlamda 'romanıdır' ifadesi geçiyor.
+AKIL YÜRÜTME: Yazılı veya basılı eserleri, romanları ve yayınları tanımlayan etiket 'BOOK'tur. Bu tanıma uymaktadır.
+CEVAP: BOOK
+
+ÖRNEK 4 (TITLE İÇİN):
 VARLIK: General
 BAĞLAM: Birçok orduda yüksek rütbeli bir subay unvanıdır. Türkiye'de en yüksek rütbelerden biridir. (TITLE tanımı ile eşleşir.)
 GÖZLEM: 'General' bir rütbe, unvan veya pozisyon belirtiyor. Bağlamda 'yüksek rütbeli bir subay unvanı' ifadesi geçiyor.
 AKIL YÜRÜTME: Kişinin unvanını, rütbesini veya pozisyonunu tanımlayan etiket 'TITLE'dır. 'General' bu tanıma uymaktadır.
 CEVAP: TITLE
-
-ÖRNEK 3 (EVENT İÇİN):
-VARLIK: İstanbul Film Festivali
-BAĞLAM: Her yıl Nisan ayında İstanbul'da düzenlenen uluslararası film festivalidir. Türkiye'nin en eski ve prestijli film etkinliklerinden biridir. (EVENT tanımı ile eşleşir.)
-GÖZLEM: 'İstanbul Film Festivali' bir etkinlik, bir organizasyonun adıdır. Bağlamda 'uluslararası film festivalidir' ifadesi geçiyor.
-AKIL YÜRÜTME: Savaşlar, festivaller, spor turnuvaları gibi etkinlikleri tanımlayan etiket 'EVENT'tir. 'İstanbul Film Festivali' bu tanıma uymaktadır.
-CEVAP: EVENT
     """ 
 
-    # --- Chain of Thought (CoT) Prompt Yapısı ---
+    # --- Chain of Thought (CoT) Prompt Yapısı --- İyileştirilmiş ve daha kuralcı
     prompt = f"""Sen uzman bir veri sınıflandırma sistemisin.
-Görevin, aşağıdaki varlığı ve bağlamı analiz ederek, ETİKET TANIMLARI'ndan (MISC etiketini göz ardı et) hangisinin varlığa en uygun olduğunu belirlemektir.
+Görevin, aşağıdaki varlığı ve bağlamı analiz ederek, **YALNIZCA** ETİKET TANIMLARI'ndan birini (veya uymuyorsa MISC'i) seçmektir.
 
 AKIL YÜRÜTME ZİNCİRİNİ (Chain of Thought) takip ederek adım adım karar ver:
-1. GÖZLEM: Varlık ve Wiki Bağlamı arasındaki anahtar eşleşmeleri (isim, tarih, unvan, tür vb.) listele.
-2. AKIL YÜRÜTME: Bu gözlemlerin, ETİKET TANIMLARI'ndan hangisine en yakın olduğunu gerekçesiyle açıkla.
-3. KARAR: Yalnızca uygun olan ETİKET'i (veya MISC'i) ÇIKTI FORMATI'na uygun olarak belirt.
+1. GÖZLEM: Varlık ve Wiki Bağlamı arasındaki anahtar eşleşmeleri (isim, tarih, unvan, tür, yayıncı vb.) listele.
+2. AKIL YÜRÜTME: Bu gözlemlerin, **ETİKET TANIMLARI**'ndan hangisine **EN YAKIN** olduğunu gerekçesiyle açıkla.
+3. KARAR: Yalnızca uygun olan ETİKET'i (veya MISC'i) ÇIKTI FORMATI'na uygun olarak belirt. **MISC'i sadece hiçbir tanıma uymuyorsa kullan.**
 
 {few_shot_examples}
 
@@ -128,7 +134,7 @@ CEVAP: [SEÇİLEN ETİKET]
     # LLM çağrısı
     outputs = gen_pipe(
         messages, 
-        max_new_tokens=150, # CoT için token sayısını artırdık
+        max_new_tokens=150, # CoT için token sayısını koruduk
         do_sample=False, 
         temperature=0.1
     )
@@ -142,6 +148,7 @@ CEVAP: [SEÇİLEN ETİKET]
     
     try:
         # Cevap satırını bulur
+        # Regex ile daha sağlam arama yapılabilir, ancak şimdilik listenin sonuncusunu alıyoruz.
         cevap_satiri = [line for line in full_output.split('\n') if 'CEVAP:' in line][-1]
         raw_label = cevap_satiri.split('CEVAP:')[-1].strip().upper()
         
@@ -154,7 +161,7 @@ CEVAP: [SEÇİLEN ETİKET]
             cog_output = akil_yurutme[-1].replace('AKIL YÜRÜTME:', '').strip()
             
         # Geçerli etiketleri kontrol et
-        valid_labels = list(custom_label_definitions.keys()) + ["UNKNOWN", "MISC"]
+        valid_labels = list(custom_label_definitions.keys()) # UNKNOWN'ı çıkarttık, zaten tanımlı değil.
         if raw_label in valid_labels:
             final_label = raw_label
             # CoT çıktısını etikete ekleyerek sonraki aşamada kullanmak için