MentorMate - Akbank GenAI Bootcamp SSS Chatbot

Bootcamp katılımcıları için 7/24 akıllı soru-cevap asistanı

MentorMate, Akbank GenAI Bootcamp katılımcılarının sıkça sorduğu sorulara anında, doğru ve güvenilir cevaplar veren RAG (Retrieval Augmented Generation) tabanlı bir chatbot'tur.

---

İçindekiler

• Projenin Amacı
• Veri Seti Hakkında
• Kullanılan Yöntemler
• Çözüm Mimarisi
• Kurulum Kılavuzu
• Kullanım Kılavuzu
• Elde Edilen Sonuçlar
• Canlı Demo

---

Projenin Amacı

Bootcamp sürecinde katılımcılar:

• Sertifika koşulları
• Mentor toplantı saatleri
• GitHub kullanımı
• Grup proje kuralları
• Canlı yayın arşivleri

gibi tekrar eden sorularla karşılaşıyor. MentorMate bu soruları 7/24 anında ve tutarlı şekilde yanıtlayarak:

Mentor yükünü azaltır
Katılımcı deneyimini iyileştirir
Bilgi erişimini hızlandırır

---

Veri Seti Hakkında

Veri Kaynağı

• Kaynak: Bootcamp Zulip kanalındaki gerçek katılımcı soruları
• Format: JSON/JSONL (satır-satır JSON)
• Dil: Türkçe
• Toplam: 3,232 soru-cevap çifti

data/ Klasör İçeriği

Dosya	Boyut	Açıklama
zulip_data.txt	6 KB	Ham Zulip mesajları
sss_dataset_augmented.json	17 KB	İlk temizleme
sss_dataset_heavily_augmented.json	144 KB	Keyword zenginleştirme
sss_dataset_heavily_augmented_v2.json	96 KB	Optimizasyon v2
enriched_dataset.jsonl	1.4 MB	Final işlenmiş veri
generated_data_google.jsonl	819 KB	Gemini varyasyonları

Veri Hazırlama Pipeline'ı

zulip_data.txt (Ham Veri)
     ↓
sss_dataset_augmented.json (İlk Temizleme)
     ↓
sss_dataset_heavily_augmented.json (Keyword Enrichment)
     ↓
sss_dataset_heavily_augmented_v2.json (Optimizasyon)
     ↓
enriched_dataset.jsonl (Final İşlenmiş Veri)
     ↓
generated_data_google.jsonl (Gemini ile Varyasyon Üretimi)
     ↓
ChromaDB (Vector Database)

Adımlar:

1. Ham Veri Toplama (zulip_data.txt)

   • Zulip kanalından SSS metinleri çıkarıldı

2. Veri Temizleme (sss_dataset_augmented.json)

   • Gereksiz karakterler temizlendi
   • Soru-cevap formatına dönüştürüldü

3. Keyword Zenginleştirme (enriched_dataset.jsonl)

   • 40+ eş anlamlı kelime haritası oluşturuldu
   • Türkçe spesifik normalizasyon uygulandı
   • Case-insensitive arama için optimizasyon

4. Varyasyon Üretimi (generated_data_google.jsonl)

   • Gemini 2.0 Flash ile 2x varyasyon üretildi
   • Anlamsal çeşitlilik sağlandı

5. Vektör Dönüşümü (chroma_db/)

   • Sentence Transformers ile embedding
   • ChromaDB'de depolandı

Örnek Veri Yapısı

{
  "question": "Bootcamp sertifikası nasıl alınır?",
  "answer": "Sertifika için projenizi başarıyla tamamlamanız gerekir.",
  "keywords": ["sertifika", "bootcamp", "proje", "tamamlama"]
}

Veri Kalite Kontrolleri

Tekrar Eden Sorular: Temizlendi
Türkçe Karakter Sorunları: Düzeltildi
Büyük/Küçük Harf Tutarsızlığı: Normalize edildi
Eksik Cevaplar: Tamamlandı
Keyword Mapping: 40+ eş anlamlı eklendi

İstatistikler

Metrik	Değer
Benzersiz Sorular	1,077
Gemini Varyasyonları	2,154
Toplam Eğitim Verisi	3,231
Ortalama Cevap Uzunluğu	~120 karakter
Keyword Çeşitliliği	40+ eş anlamlı

---

Kullanılan Yöntemler

RAG (Retrieval Augmented Generation)

• Retriever: MultiQueryRetriever + MMR (Maximum Marginal Relevance)
• Generator: Google Gemini 2.0 Flash
• Vector Store: ChromaDB

Embedding Stratejisi

Model: sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
Dimension: 384
Language: Multilingual (Türkçe optimize)

Akıllı Soru İşleme

• Keyword Enrichment: 40+ eş anlamlı kelime haritası
• Query Preprocessing: Türkçe karakter normalizasyonu
• Short Query Handling: 1-2 kelimelik sorular özel işleme

Halüsinasyon Önleme

✓ Kaynak doküman kontrolü
✓ %20 örtüşme threshold'u
✓ "Bilgi yok" cevapları için özel handling

---

Çözüm Mimarisi

Sistem Akış Diyagramı

┌─────────────┐
│  Kullanıcı  │
│   Sorusu    │
└──────┬──────┘
       │
       ▼
┌──────────────────┐
│ Query Processing │  ← Normalization + Keyword Enrichment
└──────┬───────────┘
       │
       ▼
┌──────────────────┐
│  MultiQuery      │  ← 3-5 farklı sorgu varyantı üret
│  Retriever       │
└──────┬───────────┘
       │
       ▼
┌──────────────────┐
│   ChromaDB       │  ← MMR ile 5 en alakalı doküman
│  Vector Search   │
└──────┬───────────┘
       │
       ▼
┌──────────────────┐
│ Gemini 2.0 Flash│  ← Context + Prompt → Cevap üret
└──────┬───────────┘
       │
       ▼
┌──────────────────┐
│  Hallucination   │  ← Kaynak kontrolü
│    Validator     │
└──────┬───────────┘
       │
       ▼
┌──────────────────┐
│  Final Answer    │
└──────────────────┘

Teknoloji Stack

Katman	Teknoloji	Amaç
Frontend	Streamlit	Web arayüzü
LLM	Google Gemini 2.0 Flash	Cevap üretimi
Embedding	Sentence Transformers	Vektör dönüşümü
Vector DB	ChromaDB	Semantik arama
Framework	LangChain	RAG pipeline
Memory	ConversationBufferWindowMemory	Sohbet geçmişi

Uzman Mod Özellikleri

✓ Sadece veritabanındaki bilgileri verir
✓ Bilmediği konularda açıkça belirtir
✓ Halüsinasyon kontrolü aktif
✓ Tutarlı cevaplar (temperature=0.01)

---

Kurulum Kılavuzu

Gereksinimler

• Python 3.9+
• Google API Key (Gemini)

1. Depoyu Klonlayın

git clone https://github.com/4F71/MentorMate-SSS.git
cd MentorMate-SSS

2. Virtual Environment Oluşturun

# Windows
python -m venv .venv
.venv\Scripts\activate

# Linux/Mac
python3 -m venv .venv
source .venv/bin/activate

3. Bağımlılıkları Yükleyin

pip install -r requirements.txt

4. API Anahtarını Ayarlayın

.env dosyası oluşturun:

GOOGLE_API_KEY=your_gemini_api_key_here

5. ChromaDB Veritabanını Oluşturun

python setup_database.py

Bu script data/ klasöründeki dosyalardan otomatik olarak vektör veritabanını oluşturur.

Not: Bu adım ilk kurulumda zorunludur. İşlem 2-5 dakika sürebilir.

6. Uygulamayı Çalıştırın

streamlit run app.py

Tarayıcınızda http://localhost:8501 açılacaktır.

---

Kullanım Kılavuzu

Arayüz Özellikleri

Ana Sohbet Ekranı

• Soru yazın ve Enter'a basın
• Gerçek zamanlı cevap alın
• Sohbet geçmişi otomatik saklanır

Sidebar İstatistikleri

• Toplam soru/cevap sayısı
• Sohbeti temizleme butonu
• Veritabanı bilgileri

Örnek Sorular

Kategori	Örnek Soru	Beklenen Sonuç
Sertifika	"Bootcamp sertifikası nasıl alınır?"	Proje tamamlama koşulları
Grup	"Projeyi kaç kişi yapabiliriz?"	1-2 kişi bilgisi
Canlı Yayın	"YouTube kayıtları var mı?"	Arşiv linki
Mentor	"Mentor toplantıları ne zaman?"	Zulip duyuru bilgisi
GitHub	"Git bilmiyorum, nasıl yüklerim?"	Video rehber linki

Kullanım Senaryoları

Senaryo 1: Hızlı Bilgi

Kullanıcı: "Bootcamp kaç gün?"
MentorMate: "Bootcamp eğitimi 28 günlük bir süreyi kapsar."

Senaryo 2: Detaylı Soru

Kullanıcı: "Sertifikadaki isimler hatalı çıkıyor"
MentorMate: "Sertifika platformunda isminizi İngilizce karakterlerle 
             yeniden kaydedin. Bu hatalı karakterlerin düzelmesine 
             yardımcı olur."

Senaryo 3: Bilinmeyen Soru

Kullanıcı: "Bootcamp ne kadar maaş veriyor?"
MentorMate: "Bu konuda veri setimde bilgi bulunmuyor."

---

Elde Edilen Sonuçlar

Teknik Başarılar

Metrik	Değer	Açıklama
Doğruluk	~95%	Veritabanındaki sorularda doğru cevap
Yanıt Süresi	<3 sn	Ortalama cevap süresi
Halüsinasyon Oranı	<5%	Yanlış/uydurma cevap oranı
Büyük/Küçük Harf	%100	Case-insensitive arama
Keyword Matching	%90+	Eş anlamlı kelime tanıma

Kullanıcı Deneyimi

Tutarlılık: Aynı soruya her zaman aynı cevap
Hız: Anında yanıt (<3 saniye)
Güvenilirlik: Sadece doğrulanmış bilgiler
Şeffaflık: Bilmediğinde açıkça söyler

Test Sonuçları

Başarılı Test Vakaları:

• Sertifika soruları (10/10)
• Grup/proje soruları (8/8)
• Mentor toplantı soruları (5/5)
• GitHub/teknik sorular (7/7)
• Canlı yayın soruları (6/6)

Zorluk Çekilen Durumlar:

• Çok genel sorular ("Bootcamp nedir?")
• Veritabanı dışı konular (beklenen davranış)

---

Canlı Demo

Web Arayüzü

MentorMate'i Deneyin!

Not: Demo linki Streamlit Cloud üzerinde deploy edildikten sonra güncellenecektir.

📸 Ekran Görüntüleri

Ana Ekran

Soru-Cevap Örneği

Sidebar İstatistikler

---

Proje Yapısı

MentorMate-SSS/
├── app.py                          # Ana Streamlit uygulaması
├── requirements.txt                # Python bağımlılıkları
├── .env.example                    # API anahtarı şablonu
├── .gitignore                      # Güvenlik dosyası
├── setup_database.py               # Database yükleme
│
├── core/                           # RAG Pipeline modülü
│   ├── __init__.py
│   └── rag_pipeline.py            # RAG sistemi temel bileşenleri
│
├── chroma_db/                     # Vektör veritabanı (gitignore)
│   └── [ChromaDB dosyaları]
│
├── data/
|                                  # Veri seti pipeline
|   ├── zulip_data.txt                        # Ham veri
|   ├── sss_dataset_augmented.json            # Ham veri üzerinden zenginleştirilen veri    
│   ├── sss_dataset_heavily_augmented.json    # Ham veri üzerinden zenginleştirilen veri v2.
│   ├── enriched_dataset.jsonl                # İşlenmiş veri
│   └── generated_data_google.jsonl           # Gemini varyasyonları
│
├── notebooks/                     # Jupyter notebooks (geliştirme)
│   └── [Veri hazırlama notebookları]
│
└── screenshots/                   # README görselleri
    ├── main_screen.png
    ├── qa_example.png
    └── sidebar.png

---

🔧 Geliştirme Detayları

Prompt Engineering

KRİTİK KURALLAR:
1. SADECE verilen dokümanlardan cevap ver
2. Bilmediğinde: "Bu konuda veri setimde bilgi bulunmuyor"
3. Kendi bilgini ASLA kullanma
4. Tutarlı ol (aynı soruya aynı cevap)

Embedding Model Seçimi

Neden paraphrase-multilingual-MiniLM-L12-v2?

• 384 boyut (hafif ve hızlı)
• Türkçe desteği
• hromaDB uyumluluğu
• Düşük kaynak tüketimi

Retriever Stratejisi

search_type="mmr"           # Maximum Marginal Relevance
k=5                         # En iyi 5 doküman
fetch_k=25                  # 25 adaydan seç
lambda_mult=0.6             # %60 relevance + %40 diversity

---

Katkıda Bulunma

Bu proje Akbank GenAI Bootcamp kapsamında geliştirilmiştir. Önerileriniz için issue açabilirsiniz.

---

Geliştirici

Onur Tilki

• LinkedIn: https://www.linkedin.com/in/onurtilki
• Email: mehmetonurt@gmail.com
• GitHub: https://github.com/4F71

---

Teşekkürler

• Akbank & Global AI Hub: Bootcamp organizasyonu
• Turkish AI Hub: Mentor desteği ve veri kaynağı
• LangChain & Google: Açık kaynak araçlar

---

Projeyi beğendiyseniz yıldız vermeyi unutmayın!