Update openai_fake_data_generator.py

openai_fake_data_generator.py

@@ -12,7 +12,6 @@ OpenAIParams = namedtuple(
     ["openai_key", "model", "api_base", "deployment_id", "api_version", "api_type"],
 )
 
-
 def call_completion_model(
     prompt: str,
     openai_params: OpenAIParams,
@@ -34,42 +33,45 @@ def call_completion_model(
     else:
         client = OpenAI(api_key=openai_params.openai_key)
 
-    response = client.completions.create(
-        model=openai_params.model,
-        prompt=prompt,
-        max_tokens=max_tokens,
-    )
-
-    return response.choices[0].text.strip()
-
+    try:
+        response = client.completions.create(
+            model=openai_params.model,
+            prompt=prompt,
+            max_tokens=max_tokens,
+        )
+        return response.choices[0].text.strip()
+    except Exception as e:
+        logger.error(f"Chyba při volání OpenAI API: {str(e)}")
+        return "Došlo k chybě při generování syntetických dat."
 
 def create_prompt(anonymized_text: str) -> str:
     """
-    Create the prompt with instructions to GPT-3.
+    Create the prompt with instructions to GPT-3 for generating Czech synthetic text.
 
-    :param anonymized_text: Text with placeholders instead of PII values, e.g. My name is <PERSON>.
+    :param anonymized_text: Text with placeholders instead of PII values, e.g. My name is <OSOBA>.
     """
 
     prompt = f"""
-    Your role is to create synthetic text based on de-identified text with placeholders instead of Personally Identifiable Information (PII).
-    Replace the placeholders (e.g. ,<PERSON>, {{DATE}}, {{ip_address}}) with fake values.
+    Vaším úkolem je vytvořit syntetický text na základě de-identifikovaného textu s zástupnými symboly místo osobních údajů (PII).
+    Nahraďte zástupné symboly (např. <OSOBA>, {{DATUM}}, {{IP_ADRESA}}) falešnými hodnotami v českém kontextu.
 
-    Instructions:
+    Pokyny:
 
-    a. Use completely random numbers, so every digit is drawn between 0 and 9.
-    b. Use realistic names that come from diverse genders, ethnicities and countries.
-    c. If there are no placeholders, return the text as is.
-    d. Keep the formatting as close to the original as possible.
-    e. If PII exists in the input, replace it with fake values in the output.
-    f. Remove whitespace before and after the generated text
+    a. Používejte zcela náhodná čísla, každá číslice je náhodně vybrána mezi 0 a 9.
+    b. Používejte realistická česká jména, která představují různá pohlaví a etnické skupiny.
+    c. Pokud v textu nejsou žádné zástupné symboly, vraťte text beze změny.
+    d. Zachovejte formátování co nejblíže původnímu textu.
+    e. Pokud se v textu vyskytují osobní údaje, nahraďte je falešnými hodnotami.
+    f. Odstraňte mezery před a za vygenerovaným textem.
+    g. Používejte české formáty pro data, adresy, telefonní čísla atd.
     
-    input: [[TEXT STARTS]] How do I change the limit on my credit card {{credit_card_number}}?[[TEXT ENDS]]
-    output: How do I change the limit on my credit card 2539 3519 2345 1555?
-    input: [[TEXT STARTS]]<PERSON> was the chief science officer at <ORGANIZATION>.[[TEXT ENDS]]
-    output: Katherine Buckjov was the chief science officer at NASA.
-    input: [[TEXT STARTS]]Cameroon lives in <LOCATION>.[[TEXT ENDS]]
-    output: Vladimir lives in Moscow.
+    vstup: [[TEXT ZAČÍNÁ]] Jak mohu změnit limit na své kreditní kartě {{ČÍSLO_KARTY}}?[[TEXT KONČÍ]]
+    výstup: Jak mohu změnit limit na své kreditní kartě 2539 3519 2345 1555?
+    vstup: [[TEXT ZAČÍNÁ]]<OSOBA> byl hlavním vědeckým pracovníkem v <ORGANIZACE>.[[TEXT KONČÍ]]
+    výstup: Ing. Jana Nováková, CSc. byla hlavním vědeckým pracovníkem v Akademii věd ČR.
+    vstup: [[TEXT ZAČÍNÁ]]<OSOBA> žije na adrese <ADRESA>.[[TEXT KONČÍ]]
+    výstup: Petr Svoboda žije na adrese Dlouhá 254/14, 110 00 Praha 1.
     
-    input: [[TEXT STARTS]]{anonymized_text}[[TEXT ENDS]]
-    output:"""
-    return prompt
+    vstup: [[TEXT ZAČÍNÁ]]{anonymized_text}[[TEXT KONČÍ]]
+    výstup:"""
+    return prompt