🏥 Patient Assistant Veri Akış Diyagramı
1
👨⚕
Kullanıcı Sorgusu Alımı
Doğal dilde sağlık sorusu veya yanlış bilgi içerikli cümle
⬇
2
🔧
Ön İşleme (Preprocessing)
Temizleme • Küçültme • Stopword • Lemmatization
🧹 Temizleme: Noktalama, özel karakter temizleme
📝 Küçültme: Case normalization
🚫 Stopword: "ve", "bir", "de" gibi kelimeler
🌱 Lemmatization: Kök hâline getirme
🔍 Anlamlı Tokenlar: Sağlık terimlerini önceliklendirme
⬇
3
🧠
Vektörleştirme (Embedding)
Sentence-BERT • BioBERT • LLM Embedding
🔢 Sayısal vektör dönüşümü
📊 Anlamsal temsil oluşturma
🎯 Önceden eğitilmiş dil modeli tabanlı
⬇
4
🔎
Retriever'a Sorgu Gönderme
Cosine similarity • Benzerlik ölçüsü
➡
🗄
İndekslenmiş Sağlık Veri Tabanı
Vektörleştirilmiş sağlık belgeleri
📏 Cosine similarity hesaplama
📋 En yüksek benzerliğe sahip N adet belge seçimi
🎯 Vektör karşılaştırma algoritması
⬇
5
📋
Seçilen Belgelerin İşlenmesi
Ham metin • Özet formatı • Filtreleme
📄 Ham metin veya özet formatında sunma
🗑 Gereksiz ve tekrar eden kısımları filtreleme
✨ Kaliteli içerik seçimi
⬇
6
🤖
Augmented Generation
Gemini LLM • Sorgu + Belgeler
⬅
📝
Prompt Şablonları
Yaşlı kullanıcı dostu formatlar
👥 Yaşlı kullanıcıların anlayacağı sade dil
✅ Yanlış bilgilerin düzeltilmesi
📚 Kaynak belirtilmesi ve açıklamalar
🎯 Doğruluğu yüksek cevap üretimi
⬇
7
📱
Sonucun Kullanıcıya Sunulması
Arayüz görüntüleme • Referanslar • Açıklamalar
🖥 Arayüzde cevap gösterimi
📖 Ek referanslar ve açıklamalar
🔗 Kaynak linkler (varsa)
⬇
8
📊
Geri Bildirim ve İzleme
Değerlendirme • Kalite kontrol • Güncelleme
👍 Kullanıcı değerlendirmesi ("Faydalı" / "Değil")
📈 Geri bildirimler kalite kontrol için kullanılır
🔄 Modeller ve veri setleri güncellenir
📝 Sistem performans izleme