Delete app.py

app.py

@@ -1,215 +0,0 @@
-# -*- coding: utf-8 -*-
-"""app.ipynb
-
-Automatically generated by Colab.
-
-Original file is located at
-    https://colab.research.google.com/drive/1WQ2YqAcXFp-14DglIYkV4rawVDSbyhCe
-"""
-
-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 OpenHermes-2.5 ===
-model_id = "teknium/OpenHermes-2.5-Mistral-7B"
-
-tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
-model = AutoModelForCausalLM.from_pretrained(
-    model_id,
-    trust_remote_code=True,
-    torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
-    device_map="auto"
-)
-
-modelo_llm = TextGenerationPipeline(
-    model=model,
-    tokenizer=tokenizer,
-    max_new_tokens=1000,
-    temperature=0.5,
-    do_sample=True,
-)
-
-# === 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 legal ajustado con decisión motivada para Comisario
-    prompt = f"""[INSTRUCCIÓN]
-Eres un Comisario/a de Familia en Colombia. Con base en los hechos relatados, el nivel de riesgo y el tipo de violencia identificado, debes emitir un Auto de Medida Provisional claro, completo y con redacción profesional jurídica.
-
-Utiliza la siguiente estructura detallada:
-
-1. **CONSIDERACIONES:**
-   - Realiza un resumen claro y detallado de los hechos narrados por la parte denunciante, destacando las circunstancias de tiempo, modo y lugar.
-   - Analiza el riesgo actual y el contexto familiar con referencias a la Ley 575 de 2000, Ley 1257 de 2008 y Ley 2126 de 2021.
-   - Cita expresamente los literales del Artículo 5 de la Ley 575 de 2000 (letras a-n) que resultan aplicables al caso.
-   - Justifica cada literal aplicado explicando detalladamente las razones jurídicas, la finalidad protectora de la medida y su proporcionalidad frente a los hechos denunciados.
-
-2. **RESUELVE:**
-   - **PRIMERO:** Admitir la solicitud y avocar conocimiento, con mención expresa de la normativa que habilita esta decisión.
-   - **SEGUNDO:** Adoptar las medidas de protección, enumerando cada una de manera individual, describiendo su contenido y fundamento legal.
-   - **TERCERO:** Advertir al presunto agresor sobre las consecuencias legales de incumplir estas medidas, citando expresamente el Artículo 5 parágrafo 3 de la Ley 575 de 2000 y el Artículo 38 de la Ley 1257 de 2008.
-   - **CUARTO:** Disponer que cualquier cambio de domicilio deberá ser informado oportunamente al Juzgado competente, conforme a lo dispuesto en el Artículo 5 de la Ley 575 de 2000.
-   - **QUINTO:** Ordenar, en caso necesario, acompañamiento policial para hacer efectivas las medidas de protección y prevenir nuevos actos de violencia.
-   - **SEXTO:** Citar al presunto agresor a audiencia pública con el fin de tramitar el proceso y resolver sobre la confirmación, modificación o levantamiento de las medidas adoptadas, indicando que su inasistencia no suspende el procedimiento.
-
-[DATOS DEL CASO]
-- Tipos de violencia detectados: {tipos_str}
-- Nivel de riesgo: {riesgo}
-- Medida cautelar sugerida: {tipo_medida}
-- Descripción del caso: {descripcion}
-
-[OBJETIVO]
-Redacta el Auto de Medida Provisional completo siguiendo estrictamente la estructura detallada, con lenguaje jurídico profesional y argumentos amplios que fundamenten cada decisión. Indica expresamente el año de cada ley citada. Limita la respuesta a máximo 600 tokens, priorizando claridad y rigor legal.
-
-[RESPUESTA]
-"""
-
-    respuesta = modelo_llm(prompt)[0]["generated_text"]
-    razonamiento = respuesta.split("[RESPUESTA]")[-1].strip()
-
-    return tipos_str, riesgo, tipo_medida, razonamiento
-
-# === Interfaz Gradio (sin cambios) ===
-with gr.Blocks(
-    theme=gr.themes.Base(
-        primary_hue="green",
-        neutral_hue="slate",
-        font=[gr.themes.GoogleFont("Roboto")],
-    ),
-    css="""
-    body {
-        background-color: #004225;
-        font-family: 'Roboto', sans-serif;
-    }
-    .gr-block.gr-markdown h1 {
-        display: flex;
-        align-items: center;
-        gap: 16px;
-        color: #ffffff;
-    }
-    .gr-block.gr-markdown h1 img {
-        height: 60px;
-        border-radius: 4px;
-    }
-    .gr-block.gr-markdown p {
-        color: #d6f5e3;
-    }
-    .gr-input, .gr-textbox, .gr-button {
-        background-color: #ffffff !important;
-        color: #000000 !important;
-    }
-    .gr-box {
-        border: 1px solid #2e8b57;
-        border-radius: 8px;
-    }
-    """,
-) as interfaz:
-    gr.Markdown(
-        """
-<h1><img src="https://i.imgur.com/6m2M1to.png" alt="Logo Externado">LEGALFAMI – Asistente Legal con Razonamiento Jurídico</h1>
-<p>Predice tipo de violencia, nivel de riesgo, medida cautelar y genera una decisión motivada conforme a la Ley 575 de 2000.</p>
-"""
-    )
-
-    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...", 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="📋 Recomendación Legal Razonada", lines=16, 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()