DocuMind – Kurumsal RAG & Doküman Analiz Platformu
Kurumsal PDF ve Word dosyalarını semantik olarak tarayıp yanıt üreten yerel LLM asistanı.
Kategori: LLM
Durum: Completed
Öne Çıkan Proje
Proje Hakkında & Mimari Açıklama
DocuMind, kurumların bünyesinde bulunan binlerce sayfalık teknik şartname, sözleşme, iç yönerge, PDF, Word ve Excel arşivlerini şirket dışına sızdırmadan yerel (on-premise) altyapıda semantik olarak analiz eden kurumsal RAG (Retrieval-Augmented Generation) yapay zekâ asistanıdır.
Mimari Tasarım & Vektörleştirme:
Sistem mimarisi; Apache Tika ve akıllı PDF ayrıştırıcıları ile dokümanları temizler, anlamsal bütünlüğü koruyan metin parçalama (Recursive Character Chunking) algoritmalarıyla optimize eder ve açık kaynaklı embedding modelleri (BGE-M3 / E5) üzerinden 1024 boyutlu vektör uzayına dönüştürür. Üretilen vektörler PostgreSQL pgvector üzerinde HNSW (Hierarchical Navigable Small World) indeksleme stratejisiyle saklanır.
Hibrit Arama & Halüsinasyonsuz Çıkarım:
Kullanıcı sorgu yaptığında hibrit arama (Dense Vector Search + BM25 Sparse Search + Reciprocal Rank Fusion) ile en alakalı doküman parçaları milisaniyeler içinde çekilir ve LangChain/.NET 8 orkestrasyonu üzerinden yerel LLM modellerine (Llama 3 / Mistral) yönlendirilir. Model, cevaplarını doğrudan kaynak belgenin sayfa ve paragraf referanslarıyla birlikte sunarak halüsinasyon riskini sıfıra indirir.
Kurumsal Güvenlik:
Rol tabanlı erişim kontrolü (RBAC) sayesinde her personel sadece yetkisi dahilindeki belgelere ait yanıtlara erişebilir; hiçbir şirket verisi üçüncü parti bulut LLM servislerine gönderilmez.
Mimari Tasarım & Vektörleştirme:
Sistem mimarisi; Apache Tika ve akıllı PDF ayrıştırıcıları ile dokümanları temizler, anlamsal bütünlüğü koruyan metin parçalama (Recursive Character Chunking) algoritmalarıyla optimize eder ve açık kaynaklı embedding modelleri (BGE-M3 / E5) üzerinden 1024 boyutlu vektör uzayına dönüştürür. Üretilen vektörler PostgreSQL pgvector üzerinde HNSW (Hierarchical Navigable Small World) indeksleme stratejisiyle saklanır.
Hibrit Arama & Halüsinasyonsuz Çıkarım:
Kullanıcı sorgu yaptığında hibrit arama (Dense Vector Search + BM25 Sparse Search + Reciprocal Rank Fusion) ile en alakalı doküman parçaları milisaniyeler içinde çekilir ve LangChain/.NET 8 orkestrasyonu üzerinden yerel LLM modellerine (Llama 3 / Mistral) yönlendirilir. Model, cevaplarını doğrudan kaynak belgenin sayfa ve paragraf referanslarıyla birlikte sunarak halüsinasyon riskini sıfıra indirir.
Kurumsal Güvenlik:
Rol tabanlı erişim kontrolü (RBAC) sayesinde her personel sadece yetkisi dahilindeki belgelere ait yanıtlara erişebilir; hiçbir şirket verisi üçüncü parti bulut LLM servislerine gönderilmez.
Kullanılan Teknolojiler & Kütüphaneler
.NET 8
LangChain
PostgreSQL
pgvector
HuggingFace
Proje Bilgileri
- Kategori: LLM
- Durum: Completed
- Başlangıç: Belirtilmedi
Benzer Bir Projeniz mi Var?
Teknik ihtiyaçlarınızı birlikte değerlendirelim ve mimari planı oluşturalım.
Teknik Görüşme Talep Edin