Update app.py
Browse files
app.py
CHANGED
@@ -21,7 +21,9 @@ client = InferenceClient(api_key=API_KEY)
|
|
21 |
# File RDF
|
22 |
RDF_FILE = "Ontologia.rdf"
|
23 |
|
|
|
24 |
# Caricamento RDF (riassunto)
|
|
|
25 |
def load_rdf_summary():
|
26 |
"""
|
27 |
Carica un riassunto dell'ontologia dal file RDF.
|
@@ -53,7 +55,9 @@ def load_rdf_summary():
|
|
53 |
rdf_context = load_rdf_summary()
|
54 |
logger.info("RDF Summary: %s", rdf_context)
|
55 |
|
|
|
56 |
# Validazione SPARQL
|
|
|
57 |
def validate_sparql_query(query: str, rdf_file_path: str) -> bool:
|
58 |
"""
|
59 |
Verifica la validità della query SPARQL.
|
@@ -67,18 +71,23 @@ def validate_sparql_query(query: str, rdf_file_path: str) -> bool:
|
|
67 |
logger.error(f"Errore durante la validazione della query SPARQL: {e}")
|
68 |
return False
|
69 |
|
|
|
70 |
# Prompt di Sistema
|
|
|
71 |
def create_system_message(rdf_context: str) -> str:
|
|
|
|
|
|
|
72 |
return f"""
|
73 |
-
Sei un
|
74 |
-
|
75 |
1. Generare una query SPARQL per interrogare la base di conoscenza.
|
76 |
2. Fornire una risposta naturale basata sui risultati di una query SPARQL.
|
77 |
3. Rispondere con una risposta di chat minimale.
|
78 |
-
|
79 |
Ecco un riassunto dell'ontologia su cui devi lavorare:
|
80 |
{rdf_context}
|
81 |
-
|
82 |
Regole TASSATIVE:
|
83 |
1. Se la domanda richiede una query SPARQL, restituisci la query SPARQL come testo semplice.
|
84 |
2. Se la domanda richiede l'interpretazione di risultati SPARQL, restituisci una risposta naturale basata sui risultati.
|
@@ -88,25 +97,30 @@ Regole TASSATIVE:
|
|
88 |
5. NON generare alcun altro prefisso o URI inventato.
|
89 |
6. Se non puoi rispondere con una query SPARQL valida, interpretare i risultati o fare chatting, scrivi:
|
90 |
"Non posso generare una query SPARQL, interpretare i risultati o fare una risposta di chat per questa richiesta."
|
91 |
-
|
92 |
Esempi:
|
93 |
- Domanda: "Quali sono le statue esposte del periodo medievale?"
|
94 |
Risposta:
|
95 |
-
PREFIX base: <http://www.semanticweb.org/lucreziamosca/ontologies/2024/11/untitled-ontology-39/> SELECT ?statua WHERE { ?statua a base:Statua . ?statua base:Periodo_Storico "Medioevo" . }
|
96 |
-
|
97 |
- Domanda: "La query ha restituito 5 statue. Puoi descriverle?"
|
98 |
Risposta:
|
99 |
Ecco le 5 statue medievali trovate: Statua1, Statua2, Statua3, Statua4, Statua5.
|
100 |
-
|
101 |
- Domanda: "Ciao!"
|
102 |
Risposta:
|
103 |
Ciao! Come posso aiutarti oggi?
|
104 |
-
|
105 |
RISPONDI ESCLUSIVAMENTE CON IL FORMATO SPECIFICATO.
|
106 |
"""
|
107 |
|
|
|
108 |
# Funzione per chiamare il modello
|
|
|
109 |
async def call_model(messages, temperature=0.7, max_tokens=2048):
|
|
|
|
|
|
|
110 |
try:
|
111 |
response = client.chat.completions.create(
|
112 |
model="Qwen/Qwen2.5-72B-Instruct",
|
@@ -123,24 +137,38 @@ async def call_model(messages, temperature=0.7, max_tokens=2048):
|
|
123 |
logger.error(f"Errore nel modello: {e}")
|
124 |
raise HTTPException(status_code=500, detail=str(e))
|
125 |
|
|
|
126 |
# Funzione di Interpretazione dei Risultati SPARQL
|
127 |
-
|
|
|
128 |
"""
|
129 |
-
|
130 |
"""
|
131 |
if not results:
|
132 |
-
return "
|
133 |
|
134 |
-
#
|
135 |
-
|
136 |
-
|
137 |
-
|
138 |
-
|
139 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
140 |
|
141 |
-
|
|
|
142 |
|
|
|
143 |
# FastAPI
|
|
|
144 |
app = FastAPI()
|
145 |
|
146 |
class QueryRequest(BaseModel):
|
@@ -171,14 +199,14 @@ async def generate_response(request: QueryRequest):
|
|
171 |
g = Graph()
|
172 |
g.parse(RDF_FILE, format="xml")
|
173 |
results = g.query(sparql_query)
|
174 |
-
# Interpreta i risultati in una risposta naturale
|
175 |
-
interpreted_response = interpret_sparql_results(results)
|
176 |
-
return {"type": "
|
177 |
except Exception as e:
|
178 |
logger.error(f"Errore durante l'esecuzione della query SPARQL: {e}")
|
179 |
-
return {"type": "
|
180 |
else:
|
181 |
-
return {"type": "
|
182 |
|
183 |
elif "Non posso generare una query SPARQL" in response_text:
|
184 |
# Risposta di errore dal modello
|
|
|
21 |
# File RDF
|
22 |
RDF_FILE = "Ontologia.rdf"
|
23 |
|
24 |
+
####################################
|
25 |
# Caricamento RDF (riassunto)
|
26 |
+
####################################
|
27 |
def load_rdf_summary():
|
28 |
"""
|
29 |
Carica un riassunto dell'ontologia dal file RDF.
|
|
|
55 |
rdf_context = load_rdf_summary()
|
56 |
logger.info("RDF Summary: %s", rdf_context)
|
57 |
|
58 |
+
####################################
|
59 |
# Validazione SPARQL
|
60 |
+
####################################
|
61 |
def validate_sparql_query(query: str, rdf_file_path: str) -> bool:
|
62 |
"""
|
63 |
Verifica la validità della query SPARQL.
|
|
|
71 |
logger.error(f"Errore durante la validazione della query SPARQL: {e}")
|
72 |
return False
|
73 |
|
74 |
+
####################################
|
75 |
# Prompt di Sistema
|
76 |
+
####################################
|
77 |
def create_system_message(rdf_context: str) -> str:
|
78 |
+
"""
|
79 |
+
Crea il messaggio di sistema per il modello di linguaggio naturale.
|
80 |
+
"""
|
81 |
return f"""
|
82 |
+
Sei un'assistente esperta nella generazione di query SPARQL basate su un'ontologia RDF, nell'interpretazione dei risultati delle query SPARQL in risposte naturali, e nel fare chatting minimale con i visitatori. In base alla domanda dell'utente, devi decidere se:
|
83 |
+
|
84 |
1. Generare una query SPARQL per interrogare la base di conoscenza.
|
85 |
2. Fornire una risposta naturale basata sui risultati di una query SPARQL.
|
86 |
3. Rispondere con una risposta di chat minimale.
|
87 |
+
|
88 |
Ecco un riassunto dell'ontologia su cui devi lavorare:
|
89 |
{rdf_context}
|
90 |
+
|
91 |
Regole TASSATIVE:
|
92 |
1. Se la domanda richiede una query SPARQL, restituisci la query SPARQL come testo semplice.
|
93 |
2. Se la domanda richiede l'interpretazione di risultati SPARQL, restituisci una risposta naturale basata sui risultati.
|
|
|
97 |
5. NON generare alcun altro prefisso o URI inventato.
|
98 |
6. Se non puoi rispondere con una query SPARQL valida, interpretare i risultati o fare chatting, scrivi:
|
99 |
"Non posso generare una query SPARQL, interpretare i risultati o fare una risposta di chat per questa richiesta."
|
100 |
+
|
101 |
Esempi:
|
102 |
- Domanda: "Quali sono le statue esposte del periodo medievale?"
|
103 |
Risposta:
|
104 |
+
PREFIX base: <http://www.semanticweb.org/lucreziamosca/ontologies/2024/11/untitled-ontology-39/> SELECT ?statua WHERE {{ ?statua a base:Statua . ?statua base:Periodo_Storico "Medioevo" . }}
|
105 |
+
|
106 |
- Domanda: "La query ha restituito 5 statue. Puoi descriverle?"
|
107 |
Risposta:
|
108 |
Ecco le 5 statue medievali trovate: Statua1, Statua2, Statua3, Statua4, Statua5.
|
109 |
+
|
110 |
- Domanda: "Ciao!"
|
111 |
Risposta:
|
112 |
Ciao! Come posso aiutarti oggi?
|
113 |
+
|
114 |
RISPONDI ESCLUSIVAMENTE CON IL FORMATO SPECIFICATO.
|
115 |
"""
|
116 |
|
117 |
+
####################################
|
118 |
# Funzione per chiamare il modello
|
119 |
+
####################################
|
120 |
async def call_model(messages, temperature=0.7, max_tokens=2048):
|
121 |
+
"""
|
122 |
+
Chiama il modello di linguaggio naturale con i messaggi forniti.
|
123 |
+
"""
|
124 |
try:
|
125 |
response = client.chat.completions.create(
|
126 |
model="Qwen/Qwen2.5-72B-Instruct",
|
|
|
137 |
logger.error(f"Errore nel modello: {e}")
|
138 |
raise HTTPException(status_code=500, detail=str(e))
|
139 |
|
140 |
+
####################################
|
141 |
# Funzione di Interpretazione dei Risultati SPARQL
|
142 |
+
####################################
|
143 |
+
async def interpret_sparql_results(results):
|
144 |
"""
|
145 |
+
Invia i risultati delle query SPARQL al modello per ottenere una risposta naturale.
|
146 |
"""
|
147 |
if not results:
|
148 |
+
return "Mi dispiace, non sono riuscita a trovare le informazioni che stavi cercando."
|
149 |
|
150 |
+
# Converti i risultati in una stringa leggibile
|
151 |
+
results_str = "\n".join([", ".join([f"{k}: {v}" for k, v in row.asdict().items()]) for row in results])
|
152 |
+
|
153 |
+
# Crea un prompt per il modello per interpretare i risultati
|
154 |
+
interpret_prompt = f"""
|
155 |
+
Mi hai fornito i seguenti risultati di una query SPARQL:
|
156 |
+
{results_str}
|
157 |
+
|
158 |
+
Per favore, interpreta questi risultati e fornisci una risposta naturale ed enfatica come farebbe una guida museale femminile.
|
159 |
+
"""
|
160 |
+
|
161 |
+
messages = [
|
162 |
+
{"role": "system", "content": interpret_prompt},
|
163 |
+
{"role": "user", "content": ""}
|
164 |
+
]
|
165 |
|
166 |
+
natural_response = await call_model(messages, temperature=0.7, max_tokens=2048)
|
167 |
+
return natural_response
|
168 |
|
169 |
+
####################################
|
170 |
# FastAPI
|
171 |
+
####################################
|
172 |
app = FastAPI()
|
173 |
|
174 |
class QueryRequest(BaseModel):
|
|
|
199 |
g = Graph()
|
200 |
g.parse(RDF_FILE, format="xml")
|
201 |
results = g.query(sparql_query)
|
202 |
+
# Interpreta i risultati in una risposta naturale tramite il modello
|
203 |
+
interpreted_response = await interpret_sparql_results(results)
|
204 |
+
return {"type": "NATURAL", "response": interpreted_response}
|
205 |
except Exception as e:
|
206 |
logger.error(f"Errore durante l'esecuzione della query SPARQL: {e}")
|
207 |
+
return {"type": "ERROR", "response": "Mi dispiace, c'è stato un errore nell'esecuzione della tua richiesta."}
|
208 |
else:
|
209 |
+
return {"type": "ERROR", "response": "La query SPARQL generata non è valida. Per favore, riprova con una domanda diversa."}
|
210 |
|
211 |
elif "Non posso generare una query SPARQL" in response_text:
|
212 |
# Risposta di errore dal modello
|