Upload 2 files

app.py

@@ -0,0 +1,158 @@
+# -*- coding: utf-8 -*-
+"""app.ipynb
+
+Automatically generated by Colab.
+
+Original file is located at
+    https://colab.research.google.com/drive/1WQ2YqAcXFp-14DglIYkV4rawVDSbyhCe
+"""
+
+# -*- coding: utf-8 -*-
+from transformers import AutoTokenizer, AutoModelForCausalLM, pipeline
+from sentence_transformers import SentenceTransformer, util
+import numpy as np
+import joblib
+import torch
+import gradio as gr
+from transformers import TextGenerationPipeline
+
+# === Cargar modelos entrenados ===
+modelo_riesgo = joblib.load("modelo_riesgo.pkl")
+modelo_violencia = joblib.load("modelo_tipo_violencia.pkl")
+modelo_medida = joblib.load("modelo_tipo_medida.pkl")
+codificadores = joblib.load("codificadores_label_encoder.pkl")
+modelo_vector = SentenceTransformer("Snowflake/snowflake-arctic-embed-xs")
+
+# === Cargar modelo de lenguaje Mistral 7B Instruct ===
+model_id = "mistralai/Mistral-7B-Instruct-v0.1"
+
+tokenizer = AutoTokenizer.from_pretrained(model_id)
+model = AutoModelForCausalLM.from_pretrained(
+    model_id,
+    torch_dtype=torch.bfloat16 if torch.cuda.is_available() else torch.float32,
+    device_map="auto"
+)
+
+modelo_llm = TextGenerationPipeline(
+    model=model,
+    tokenizer=tokenizer,
+    max_new_tokens=1000,
+    temperature=0.2,
+    do_sample=False,
+)
+
+# === Frases prototipo para verificador semántico ===
+frases_fisica = [
+    "Me golpeó con el puño cerrado", "Me pateó", "Me lanzó contra la pared",
+    "Me estranguló", "Me fracturó una costilla", "Me tiró al piso violentamente"
+]
+frases_sexual = [
+    "Me obligó a tener relaciones sexuales", "Me tocó sin consentimiento",
+    "Me violó", "Me forzó a tener sexo", "Me agredió sexualmente"
+]
+embeds_fisica = modelo_vector.encode(frases_fisica)
+embeds_sexual = modelo_vector.encode(frases_sexual)
+
+# === Verificador semántico ===
+def verificar_semantico(descripcion):
+    emb_desc = modelo_vector.encode(descripcion)
+    tipos_detectados = []
+    if max(util.cos_sim(emb_desc, embeds_fisica)[0]) > 0.7:
+        tipos_detectados.append("física")
+    if max(util.cos_sim(emb_desc, embeds_sexual)[0]) > 0.7:
+        tipos_detectados.append("sexual")
+    return tipos_detectados
+
+# === FUNCIÓN PRINCIPAL MODIFICADA ===
+def predecir_con_recomendacion(edad, genero, hijos, convivencia_agresor, consumo_sustancias, apoyo_familiar, descripcion):
+    # Codificar variables tabulares
+    vector_tabular = np.array([
+        int(edad),
+        int(hijos),
+        codificadores["genero"].transform([genero])[0],
+        0, 0, 0,
+        codificadores["convivencia_agresor"].transform([convivencia_agresor])[0],
+        codificadores["consumo_sustancias"].transform([consumo_sustancias])[0],
+        codificadores["apoyo_familiar"].transform([apoyo_familiar])[0]
+    ])
+
+    # Vectorizar descripción
+    vector_desc = modelo_vector.encode([descripcion])[0]
+    entrada = np.concatenate([vector_tabular, vector_desc])
+
+    # Modelos clásicos
+    riesgo_cod = modelo_riesgo.predict([entrada])[0]
+    tipo_violencia_cod = modelo_violencia.predict([entrada])[0]
+    tipo_medida_cod = modelo_medida.predict([entrada])[0]
+
+    # Decodificación
+    riesgo = codificadores["riesgo"].inverse_transform([riesgo_cod])[0]
+    tipo_violencia_pred = codificadores["tipo_violencia"].inverse_transform([tipo_violencia_cod])[0]
+    tipo_medida = codificadores["tipo_medida"].inverse_transform([tipo_medida_cod])[0]
+
+    # Verificador semántico
+    tipos_semantico = verificar_semantico(descripcion)
+
+    # Unir modelo + semántico sin duplicados
+    tipos_combinados = list(set([tipo_violencia_pred] + tipos_semantico))
+    tipos_str = ", ".join(tipos_combinados)
+
+    # PROMPT claro y detallado
+    prompt = f"""Eres un jurista colombiano experto en violencia intrafamiliar.
+Analiza este caso y redacta un Auto de Medida Provisional conforme a la Ley 575 de 2000, Ley 1257 de 2008 y Ley 2126 de 2021.
+
+Hechos del caso:
+Tipo de violencia: {tipos_str}
+Nivel de riesgo: {riesgo}
+Medida cautelar sugerida: {tipo_medida}
+Descripción detallada: {descripcion}
+
+Redacta con este formato:
+
+CONSIDERACIONES:
+- Hechos relevantes y valoración del riesgo.
+- Fundamentos jurídicos aplicables.
+- Justificación breve de cada literal del Artículo 5 aplicable.
+
+RESUELVE:
+PRIMERO: Admitir la solicitud.
+SEGUNDO: Ordenar las siguientes medidas (una por línea).
+TERCERO: Cúmplase y notifíquese.
+
+Limita tu respuesta a máximo 600 palabras, en estilo formal.
+"""
+
+    salida = modelo_llm(prompt)[0]["generated_text"]
+    auto_redactado = salida.strip()
+
+    return tipos_str, riesgo, tipo_medida, auto_redactado
+
+# === Interfaz Gradio (idéntica) ===
+with gr.Blocks(theme=gr.themes.Soft()) as interfaz:
+    gr.Markdown("<h1 style='text-align:center; color:#004aad;'>LEGALFAMI – Asistente Legal con Razonamiento Jurídico</h1>")
+    gr.Markdown("Predice tipo de violencia, riesgo, medida cautelar y genera un Auto conforme a la Ley 575 Art.5.")
+
+    with gr.Row():
+        with gr.Column():
+            edad = gr.Slider(18, 65, value=30, label="Edad de la Víctima")
+            genero = gr.Radio(["F", "M"], label="Género")
+            hijos = gr.Slider(0, 5, step=1, value=1, label="Número de Hijos")
+            convivencia_agresor = gr.Radio(["sí", "no"], label="¿Convive con el Agresor?")
+            consumo_sustancias = gr.Radio(["sí", "no"], label="¿Hay Consumo de Sustancias?")
+            apoyo_familiar = gr.Radio(["sí", "no"], label="¿Tiene Apoyo Familiar?")
+            descripcion = gr.Textbox(lines=5, placeholder="Describa detalladamente el caso de violencia...", label="Descripción del Caso")
+            boton = gr.Button("🔍 Analizar Caso")
+
+        with gr.Column():
+            tipo_violencia_out = gr.Textbox(label="🛑 Tipo de Violencia Detectada", interactive=False)
+            riesgo_out = gr.Textbox(label="⚠️ Nivel de Riesgo Estimado", interactive=False)
+            medida_out = gr.Textbox(label="🧾 Tipo de Medida Cautelar Sugerida", interactive=False)
+            recomendacion_out = gr.Textbox(label="📋 Auto de Medida Provisional", lines=12, interactive=False)
+
+    boton.click(
+        fn=predecir_con_recomendacion,
+        inputs=[edad, genero, hijos, convivencia_agresor, consumo_sustancias, apoyo_familiar, descripcion],
+        outputs=[tipo_violencia_out, riesgo_out, medida_out, recomendacion_out]
+    )
+
+interfaz.launch()

requirements.txt

@@ -0,0 +1,10 @@
+transformers==4.40.2
+torch==2.1.2
+sentence-transformers==2.6.1
+scikit-learn==1.3.2
+joblib==1.3.2
+gradio==4.29.0
+numpy==1.26.4
+sentencepiece==0.1.99
+accelerate==0.28.0
+