FAS Semantic Search System

Система семантического поиска по решениям ФАС (Федеральной антимонопольной службы) о нарушениях в рекламе.

О проекте

Это приложение позволяет искать похожие решения ФАС по смыслу, а не по точному совпадению слов. Вы можете ввести текст рекламы или описание нарушения, и система найдёт наиболее релевантные прецеденты из базы.

Пример использования

Запрос: "скидка 90% на всё"

Результат: Система найдёт решения о недостоверной рекламе со скидками, вводящей в заблуждение, некорректных сравнениях и т.д.

Как это работает

┌─────────────────┐     ┌─────────────────┐     ┌─────────────────┐
│                 │     │                 │     │                 │
│    Frontend     │────▶│    Backend      │────▶│   Embeddings    │
│   (Next.js)     │     │   (FastAPI)     │     │    (NumPy)      │
│                 │◀────│                 │◀────│                 │
└─────────────────┘     └─────────────────┘     └─────────────────┘
        ▲                       │
        │                       ▼
        │               ┌─────────────────┐
        │               │  Sentence       │
        └───────────────│  Transformers   │
                        │  (ML Model)     │
                        └─────────────────┘

1. Подготовка данных: CSV с 7283 решениями ФАС преобразуется в векторные представления (эмбеддинги)
2. Поиск: Запрос пользователя также преобразуется в вектор
3. Ранжирование: Система находит наиболее близкие векторы с помощью косинусного сходства
4. Отображение: Результаты показываются в удобном интерфейсе

Быстрый старт

Требования

• Python 3.10+
• Node.js 18+
• ~1 ГБ свободного места

Установка и запуск

# 1. Клонируйте репозиторий
git clone https://github.com/Latarho/Legal.git
cd Legal

# 2. Настройте бэкенд
cd backend
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate
pip install -r requirements.txt

# 3. Подготовьте данные (один раз, ~2 минуты)
python prepare_data.py

# 4. Запустите бэкенд
uvicorn main:app --reload --port 8000

# 5. В новом терминале — настройте фронтенд
cd ../frontend
npm install
npm run dev

Откройте http://localhost:3000 в браузере.

Структура проекта

Legal/
├── backend/                    # FastAPI сервер
│   ├── main.py                # API endpoints
│   ├── prepare_data.py        # Скрипт генерации эмбеддингов
│   ├── requirements.txt       # Python зависимости
│   ├── README.md             # Документация бэкенда
│   └── data/                  # Сгенерированные данные
│       ├── embeddings.npy     # Матрица эмбеддингов (7283 × 384)
│       └── cases.json         # Данные решений
│
├── frontend/                   # Next.js приложение
│   ├── src/
│   │   ├── app/              # Страницы и layouts
│   │   ├── components/       # React компоненты
│   │   └── lib/              # Утилиты и API клиент
│   ├── package.json
│   └── README.md             # Документация фронтенда
│
├── fas_ad_practice_dataset.csv # Исходные данные ФАС
└── README.md                   # Этот файл

Технологии

Backend

Технология	Назначение
FastAPI	Веб-фреймворк
Sentence Transformers	Генерация эмбеддингов
paraphrase-multilingual-MiniLM-L12-v2	ML модель для русского языка
NumPy	Векторные операции
Pandas	Обработка CSV

Frontend

Технология	Назначение
Next.js 16	React фреймворк
TypeScript	Типизация
Tailwind CSS 4	Стилизация
shadcn/ui	UI компоненты

API

Поиск

POST /api/search
Content-Type: application/json

{
  "query": "реклама алкоголя",
  "top_k": 10
}

Ответ

{
  "query": "реклама алкоголя",
  "total_cases": 7283,
  "results": [
    {
      "score": 0.85,
      "defendant_name": "ООО Компания",
      "violation_summary": "Нарушение требований к рекламе алкоголя...",
      "FASbd_link": "https://br.fas.gov.ru/cases/..."
    }
  ]
}

Полная документация API: http://localhost:8000/docs

Данные

База содержит 7283 решения ФАС с полями:

Поле	Описание
Violation_Type	Тип: substance (содержание) / placement (размещение)
defendant_name	Ответчик
defendant_industry	Отрасль
ad_content_cited	Цитата рекламы
violation_summary	Суть нарушения
legal_provisions	Нарушенные статьи
FASbd_link	Ссылка на решение ФАС

Примеры запросов

• "Скидка 90% на всё" — недостоверная реклама скидок
• "Лучший банк года" — некорректные сравнения
• "Реклама алкоголя" — нарушения требований к рекламе алкоголя
• "СМС без согласия" — нарушения при рассылке рекламы
• "Недостоверная реклама лекарств" — нарушения в рекламе медицинских услуг

Производительность

• Генерация эмбеддингов: ~2 минуты (один раз)
• Загрузка сервера: ~10 секунд
• Время поиска: ~50-100 мс
• Потребление памяти: ~500 МБ

Разработка

Запуск тестов

# Backend
cd backend
pytest

# Frontend
cd frontend
npm test

Линтинг

# Frontend
cd frontend
npm run lint

Лицензия

MIT

Авторы

• Latarho

Благодарности

• ФАС России за открытые данные
• Sentence Transformers за отличную библиотеку
• shadcn/ui за красивые компоненты