Delete app.py

app.py

@@ -1,136 +0,0 @@
-# -*- coding: utf-8 -*-
-"""app.ipynb
-
-Automatically generated by Colab.
-
-Original file is located at
-    https://colab.research.google.com/drive/1e3y3OTjQnNFZ7FLgs2elviYcG7ptj2fI
-"""
-
-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=300,
-    temperature=0.5,
-    do_sample=True,
-    device=0 if torch.cuda.is_available() else -1
-)
-
-# === 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)
-
-# === FUNCIÓN PRINCIPAL ===
-def predecir_con_recomendacion(edad, genero, hijos, convivencia_agresor, consumo_sustancias, apoyo_familiar, descripcion):
-    # Codificar variables
-    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])
-
-    # Predicciones
-    riesgo_cod = modelo_riesgo.predict([entrada])[0]
-    tipo_violencia_cod = modelo_violencia.predict([entrada])[0]
-    tipo_medida_cod = modelo_medida.predict([entrada])[0]
-
-    # Decodificar
-    riesgo = codificadores["riesgo"].inverse_transform([riesgo_cod])[0]
-    tipo_violencia = codificadores["tipo_violencia"].inverse_transform([tipo_violencia_cod])[0]
-    tipo_medida = codificadores["tipo_medida"].inverse_transform([tipo_medida_cod])[0]
-
-    # Verificador semántico
-    emb_desc = modelo_vector.encode(descripcion)
-    sim_fisica = max(util.cos_sim(emb_desc, embeds_fisica)[0])
-    sim_sexual = max(util.cos_sim(emb_desc, embeds_sexual)[0])
-    if sim_fisica > 0.7:
-        tipo_violencia = "física"
-    elif sim_sexual > 0.7:
-        tipo_violencia = "sexual"
-
-    # PROMPT legal
-    prompt = f"""[INSTRUCCIÓN]
-Como asistente legal, tu tarea es determinar qué medida de protección debe aplicarse en un caso de violencia intrafamiliar, de acuerdo al Artículo 5 de la Ley 575 de 2000 (modificado por la Ley 1257 de 2008 y la Ley 2126 de 2021).
-
-[CASO]
-Tipo de violencia: {tipo_violencia}
-Nivel de riesgo: {riesgo}
-Tipo de medida cautelar: {tipo_medida}
-Descripción del caso: {descripcion}
-
-[OBJETIVO]
-Con base en la descripción del caso y la ley, indica:
-- Qué literal(es) del Artículo 5 (a-n) deben aplicarse.
-- Justifica legalmente tu elección con argumentos claros y precisos.
-
-[RESPUESTA]
-"""
-
-    respuesta = modelo_llm(prompt, max_new_tokens=350, temperature=0.5)[0]["generated_text"]
-    razonamiento = respuesta.split("[RESPUESTA]")[-1].strip()
-
-    return tipo_violencia, riesgo, tipo_medida, razonamiento
-
-# === Gradio UI ===
-gr.Interface(
-    fn=predecir_con_recomendacion,
-    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 predicho"),
-        gr.Textbox(label="⚠️ Nivel de riesgo"),
-        gr.Textbox(label="🧾 Tipo de medida cautelar"),
-        gr.Textbox(label="📜 Recomendación legal razonada")
-    ],
-    title="LEGALFAMI – Asistente Legal con Razonamiento Jurídico",
-    description="Predice tipo de violencia, nivel de riesgo y medida cautelar según Ley 575 Artículo 5, y recomienda la acción legal correspondiente.",
-    theme="default"
-).launch()