File size: 3,905 Bytes
3eecce7 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 |
# -*- coding: utf-8 -*-
"""app
Automatically generated by Colab.
Original file is located at
https://colab.research.google.com/drive/1H_p-DWNUf6yZ6zzwMHw9wknCK3oHGgIv
"""
import gradio as gr
import joblib
import numpy as np
from sentence_transformers import SentenceTransformer
from sklearn.preprocessing import LabelEncoder
from transformers import pipeline
# Carga de modelos
modelo_riesgo = joblib.load("modelo_riesgo.pkl")
modelo_violencia = joblib.load("modelo_tipo_violencia.pkl")
modelo_medida = joblib.load("modelo_tipo_medida.pkl")
modelo_vector = SentenceTransformer("Snowflake/snowflake-arctic-embed-xs")
# Carga del texto legal
with open("articulo_5.txt", "r", encoding="utf-8") as f:
texto_ley = f.read()
modelo_llm = pipeline("text2text-generation", model="google/flan-t5-base", max_new_tokens=500)
# Codificadores
codificadores = {
"genero": LabelEncoder().fit(["F", "M"]),
"convivencia_agresor": LabelEncoder().fit(["sí", "no"]),
"consumo_sustancias": LabelEncoder().fit(["sí", "no"]),
"apoyo_familiar": LabelEncoder().fit(["sí", "no"]),
"riesgo": LabelEncoder().fit(["bajo", "medio", "alto"]),
"tipo_violencia": LabelEncoder().fit(["física", "psicológica", "sexual", "económica", "patrimonial", "negligencia"]),
"tipo_medida": LabelEncoder().fit(["nominada", "innominada"])
}
def resolver_caso(edad, genero, hijos, convivencia_agresor, consumo_sustancias, apoyo_familiar, descripcion):
vector_tabular = np.array([
edad,
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],
])
vector_texto = modelo_vector.encode([descripcion])[0]
entrada = np.concatenate([vector_tabular, vector_texto])
riesgo_cod = modelo_riesgo.predict([entrada])[0]
violencia_cod = modelo_violencia.predict([entrada])[0]
medida_cod = modelo_medida.predict([entrada])[0]
riesgo = codificadores["riesgo"].inverse_transform([riesgo_cod])[0]
violencia = codificadores["tipo_violencia"].inverse_transform([violencia_cod])[0]
tipo_medida = codificadores["tipo_medida"].inverse_transform([medida_cod])[0]
prompt = f"""
CASO:
Edad: {edad}
Género: {genero}
Hijos: {hijos}
Convivencia con agresor: {convivencia_agresor}
Consumo de sustancias: {consumo_sustancias}
Apoyo familiar: {apoyo_familiar}
Descripción: {descripcion}
Predicción:
Violencia: {violencia}
Riesgo: {riesgo}
Tipo de medida base: {tipo_medida}
Texto legal:
{texto_ley}
Pregunta: ¿Qué medida específica debe tomarse? Justifica tu respuesta según el literal correspondiente del artículo 5.
"""
respuesta = modelo_llm(prompt)[0]['generated_text']
return violencia, riesgo, tipo_medida, respuesta
demo = gr.Interface(
fn=resolver_caso,
inputs=[
gr.Slider(18, 65, value=30, label="Edad"),
gr.Radio(["F", "M"], label="Género"),
gr.Slider(0, 5, step=1, value=1, label="Número de hijos"),
gr.Radio(["sí", "no"], label="¿Convive con el agresor?"),
gr.Radio(["sí", "no"], label="¿Hay consumo de sustancias?"),
gr.Radio(["sí", "no"], label="¿Tiene apoyo familiar?"),
gr.Textbox(lines=4, label="Descripción del caso")
],
outputs=[
gr.Textbox(label="🛑 Tipo de violencia"),
gr.Textbox(label="⚠️ Nivel de riesgo"),
gr.Textbox(label="📄 Tipo de medida base"),
gr.Textbox(label="📚 Recomendación legal")
],
title="LEGALFAMI – IA Legal para Violencia Intrafamiliar",
description="Predice tipo de violencia, nivel de riesgo y sugiere medidas cautelares conforme al Artículo 5 de la Ley 575, modificado por las Leyes 1257 y 2126."
)
demo.launch() |