PAKGOV-RAG-project

乌尔都语+英语政务法律文档，OCR 加混合检索，答完能溯源

开源 free 搜索知识

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 130

维护状态活跃

是否开源是

定价模式 free

项目预览

项目数据

分类搜索知识

开发团队salikhussain71-code

所属国家

官网地址

GitHubhttps://github.com/salikhussain71-code/PAKGOV-RAG-project

定价模式free

价格说明研究项目，无官网与定价信息，推测开源免费

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型artificial-intelligence,information-retrieval,legal-nlp,low-resource-languages,nlp,ocr,rag,retrieval-augmented-generation,transformers,urdu-nlp

GitHub 星标★ 130

30天Star增速

HF 下载量

上线时间2026-09-17 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-21

浏览次数1

项目介绍

PAKGOV-RAG-project 是一个面向巴基斯坦政府与法律文档的双语（乌尔都语-英语）检索增强生成（RAG）研究项目。它要解决的核心问题是：巴基斯坦官方文件大量以乌尔都语和英语混排形式存在，且多为扫描件，普通 RAG 方案难以直接处理低资源语言、跨语言检索和引用溯源。项目通过 OCR 把扫描文档转成可检索文本，构建混合检索（关键词+向量）流程，让模型在回答时能定位到原文段落并给出引用依据，同时配套评测脚本衡量检索与生成质量。整体定位偏研究原型，适合作为低资源语言法律问答、政务文档智能检索的起点，而非开箱即用的产品。