Spaces:

Iker
/

ClickbaitAnnotation

Sleeping

App Files Files Community

Iker commited on Mar 5

Commit

0f36bab

•

1 Parent(s): 21a2d13

App

Browse files

Files changed (4) hide show

README.md +3 -3
app.py +253 -0
guidelines.py +81 -0
requirements.txt +4 -0

README.md CHANGED Viewed

@@ -1,8 +1,8 @@
 ---
-title: ClickbaitAnnotation
-emoji: 🚀
 colorFrom: green
-colorTo: blue
 sdk: gradio
 sdk_version: 4.19.2
 app_file: app.py

 ---
+title: 🖱️ Clickbait Annotation Platform
+emoji: 🖱️
 colorFrom: green
+colorTo: red
 sdk: gradio
 sdk_version: 4.19.2
 app_file: app.py

app.py ADDED Viewed

	@@ -0,0 +1,253 @@

+import json
+import os
+import random
+import string
+import gradio as gr
+import huggingface_hub
+from datasets import load_dataset
+from evaluate import load
+from guidelines import guidelines
+human2_annotation_file = "human2/test-human2.jsonl"
+space = "Iker/ClickbaitAnnotation"
+def clean_text(text: str) -> str:
+    # Remove punctuation
+    text = text.translate(str.maketrans("", "", string.punctuation))
+    # Remove newlines and multiple spaces
+    text = text.replace("\n", " ").strip()
+    text = " ".join(text.split()).strip()
+    # lowercase
+    text = text.lower()
+    return text
+def html_progress_bar(completed_steps, total_steps):
+    percentage = (completed_steps / total_steps) * 100
+    return f"""
+    <!DOCTYPE html>
+    <html lang="en">
+    <head>
+    <meta charset="UTF-8">
+    <meta name="viewport" content="width=device-width, initial-scale=1.0">
+    <title>Progress Bar</title>
+    <style>
+        .progress-container {{
+            width: 100%;
+            background-color: #ffffff;
+        }}
+        .progress-bar {{
+            width: {percentage}%;
+            height: 30px;
+            background-color: #d1fae5;
+            text-align: center;
+            line-height: 30px;
+            color: white;
+        }}
+    </style>
+    </head>
+    <body>
+    <div class="progress-container">
+        <div class="progress-bar">{percentage:.0f}%</div>
+    </div>
+    </body>
+    </html>
+    """
+class AnnotationManager:
+    def __init__(self):
+        self.dataset = list(
+            load_dataset(
+                "Iker/NoticIA", token=os.environ.get("TOKEN") or True, split="test"
+            )
+        )
+        self.total = len(self.dataset)
+        self.predictions = []
+        self.references = []
+        print(f"Total examples: {self.total}")
+        try:
+            huggingface_hub.hf_hub_download(
+                repo_id=space,
+                repo_type="space",
+                token=os.environ.get("TOKEN") or True,
+                filename=human2_annotation_file,
+                local_dir=os.getcwd(),
+            )
+            with open(human2_annotation_file, "r") as f:
+                annotations = f.readlines()
+            annotations = [json.loads(a) for a in annotations]
+            for a in annotations:
+                self.predictions.append(clean_text(a["summary2"]))
+                self.references.append([clean_text(a["summary"])])
+            self.dataset = self.dataset[len(annotations) :]
+        except Exception:
+            print("Unable to download annotations. Starting from the beginning.")
+        self.current = None
+    def get_next(self):
+        if len(self.dataset) == 0:
+            return "🎉 Anotación Finalizada 🎉", "🎉 Anotación Finalizada 🎉"
+        self.current = self.dataset.pop(0)
+        return self.current["web_headline"], self.current["web_text"]
+    def save_annotation(self, annotation):
+        if len(annotation) > 0:
+            example = {
+                "web_url": self.current["web_url"],
+                "web_headline": self.current["web_headline"],
+                "summary": self.current["summary"],
+                "summary2": annotation,
+                "web_text": self.current["web_text"],
+                "clean_web_text": self.current["clean_web_text"],
+            }
+            if not os.path.exists(human2_annotation_file):
+                os.makedirs(os.path.dirname(human2_annotation_file), exist_ok=True)
+                with open(human2_annotation_file, "w", encoding="utf8") as f:
+                    print(json.dumps(example, ensure_ascii=False), file=f)
+            else:
+                with open(human2_annotation_file, "a", encoding="utf8") as f:
+                    print(json.dumps(example, ensure_ascii=False), file=f)
+            self.predictions.append(clean_text(annotation))
+            self.references.append([clean_text(example["summary"])])
+            huggingface_hub.upload_file(
+                repo_id=space,
+                repo_type="space",
+                token=os.environ.get("TOKEN") or True,
+                path_in_repo=human2_annotation_file,
+                path_or_fileobj=human2_annotation_file,
+            )
+        next_headline, next_text = self.get_next()
+        return next_headline, next_text, self.get_rouge(), self.progress(), ""
+    def get_rouge(self):
+        try:
+            experiment_id = "".join(
+                random.choice(string.ascii_uppercase + string.digits) for _ in range(6)
+            )
+            rouge = load("rouge", experiment_id=experiment_id)
+            return rouge.compute(
+                predictions=self.predictions,
+                references=self.references,
+                use_aggregator=True,
+                rouge_types=["rouge1"],
+            )["rouge1"]
+        except Exception:
+            return "N/A"
+    def progress(self):
+        # Return  first number represents steps completed, and second value represents total steps
+        return html_progress_bar(self.total - len(self.dataset), self.total)
+    def gr_start(self):
+        if self.current is not None:
+            return (
+                self.current["web_headline"],
+                self.current["web_text"],
+                self.get_rouge(),
+                self.progress(),
+                "",
+            )
+        headline, text = self.get_next()
+        return headline, text, self.get_rouge(), self.progress(), ""
+theme = gr.themes.Soft(
+    primary_hue="emerald",
+    secondary_hue="red",
+    text_size="sm",
+    spacing_size="sm",
+    font=[
+        gr.themes.GoogleFont("Poppins"),
+        gr.themes.GoogleFont("Poppins"),
+        gr.themes.GoogleFont("Poppins"),
+        gr.themes.GoogleFont("Poppins"),
+    ],
+).set(block_background_fill="*neutral_50", block_background_fill_dark="*neutral_950")
+manager = AnnotationManager()
+with gr.Blocks(
+    theme=theme, title="🖱️ Resumen de noticias Clickbait 🖱️", analytics_enabled=False
+) as demo:
+    with gr.Tab("Guidelines") as tab_guidelines:
+        gr.Markdown(guidelines)
+    with gr.Tab("Anotación") as tab_annotation:
+        gr_play = gr.Button("▶️ Empieza a anotar")
+        gr_progress = gr.HTML(value=manager.progress(), label="Progreso")
+        gr_rouge = gr.Textbox(
+            value="Pulsa ▶️",
+            label="Rouge-1",
+            info="Rouge Score actual entre las anotaciones y los resúmenes de referencia.",
+            lines=1,
+            interactive=False,
+        )
+        gr_headline = gr.Textbox(
+            value="Pulsa ▶️",
+            label="Titular",
+            info="El titular del artículo.",
+            lines=2,
+            interactive=False,
+        )
+        gr_body = gr.Textbox(
+            value="Pulsa ▶️",
+            label="Artículo",
+            info="El cuerpo del artículo/noticia.",
+            lines=10,
+            interactive=False,
+        )
+        gr_summary = gr.Textbox(
+            value="",
+            label="Resumen",
+            info="Escribe aquí el resumen del artículo. Recuerda leer las guidelines antes de empezar.",
+            lines=2,
+            interactive=True,
+        )
+        save = gr.Button(
+            "💾 Guardar",
+        )
+        save.click(
+            fn=manager.save_annotation,
+            inputs=[gr_summary],
+            outputs=[gr_headline, gr_body, gr_rouge, gr_progress, gr_summary],
+        )
+        gr_play.click(
+            fn=manager.gr_start,
+            inputs=None,
+            outputs=[gr_headline, gr_body, gr_rouge, gr_progress, gr_summary],
+        )
+demo.launch()

guidelines.py ADDED Viewed

	@@ -0,0 +1,81 @@

+guidelines = """
+## Guidelines
+### ¿Que es un artículo clickbait?
+Definimos un artículo clickbait como un artículo que busca atraer la atención del lector a través de la curiosidad. Para ello, el titular
+plantea una pregunta o una afirmación incompleta, sansacionalista, exagerada o engañosa. La respuesta a la pregunta generada en el titular,
+no suele aparecer hasta el final del artículo, la cual es precedida por una gran cantidad de contenido irrelevante.
+El objetivo es que el usuario entre en la web a través del titular y después haga scroll hasta el final del artículo haciendole ver la mayor
+cantidad de publicidad posible. Los artículos clickbait suelen ser de baja calidad y no aportan valor al lector, más allá de la curiosidad inicial.
+```
+# La impactante predicción del tiempo de Jorge Rey para el puente de diciembre
+En el mundo de la meteorología, hay nombres que resuenan con autoridad y precisión.
+Uno de ellos es Jorge Rey, el joven burgalés que, a sus dieciséis años, ha sorprendido a España
+con sus predicciones climáticas. Sus métodos [...]
+Refiriéndose a un refrán popular: "Año de bellotas, año de nieve hasta las pelotas".
+Esto sugiere una ola de frío invernal que podría coincidir con el inicio de diciembre.
+```
+Resumen del artículo:
+```
+El inicio de un periodo frío intenso.
+```
+### Dataset
+En nuestro dataset, cada ejemplo contiene un titular de un artículo y el contenido del artículo. El objetivo es generar un resumen del artículo
+que responda a la pregunta o afirmación planteada en el titular.
+### Anotación
+Para cada ejemplo, se proporciona un titular y el cuerpo del artículo. El obejetivo es generar un resumen del artículo que responda a la pregunta
+- Debes buscar en el cuerpo del artículo una frase que responda la pregunta que plantea el titular.
+- Si es posible, el resumen debe parafrasear el texto original. Si parafraseas el texto original, añade "comillas" al texto parafraseado.
+- El resumen debe tener las mínimas palabras posibles.
+- No nos interesa ninguna información extra o aclaración adicional. El resumen debe una respuesta lo más consisa posible.
+#### Ejemplos de anotación
+```
+# El cambio en las matrículas que se espera para el mes de septiembre
+Si eres de los que sigues el avance de las matriculaciones (como nosotros que, cada día,
+buscamos cuál ha sido la última combinación asignada) es posible que estés pendiente del [...]
+será en septiembre cuando se dé el salto a la M.
+- Resumen del artículo: Se dará el salto a la letra M.
+```
+```
+# Estos serán los lenguajes de programación con más salida en 2024. Puedes empezar a aprenderlos gratis
+Si con el año nuevo te has propuesto aumentar tu empleabilidad aprendiendo un nuevo lenguaje de programación o [...]
+Que JavaScript sea el número 1 de Stack Overflow no es una sorpresa, considerando que es su undécimo año consecutivo
+mandando en la lista. No obstante, cabe destacar la subida de Python hasta el tercer puesto,
+que ojo se coloca en el primer puesto para quienes no se dedican profesionalmente al desarrollo.
+- Resumen del artículo: Python y JavaScript.
+```
+```
+# TIKTOK: Una azafata destapa la razón por la que no deberías tomar café en los aviones
+Un pasajero se toma un café a bordo de un avión Chalabala Nadie [...]
+Una pasajera almuerza en un avión Astakhovyaroslav "El agua que usamos para el café y el
+té proviene del mismo lugar, ¿y adivinen qué? Nunca se limpia" asegura en la publicación.
+- Resumen del artículo: "El agua que usamos para el café y el té proviene del mismo lugar, ¿y adivinen qué? Nunca se limpia".
+```
+```
+# Canción de Iron Maiden más difícil de cantar para Bruce Dickinson
+Iron Maiden es una legendaria banda de heavy metal, fundada por Steve Harris en 1975, [...]
+ «La canción que encuentro más difícil de cantar en el repertorio de Maiden es ‘Aces High’.
+- Resumen del artículo: "Aces High".
+```
+```
+# La bonita causa a la que Guillermo dona 6.287 euros tras resolver el Panel final en La ruleta
+El concursante ha puesto el broche de oro a un concurso perfecto. ¡Jorge Fernández ha [...]
+Un dinero que será destinado a la lucha contra el maltrato y el abandono animal.
+- Resumen del artículo: Será destinado a la lucha contra el maltrato y el abandono animal.
+```
+""".strip()

requirements.txt ADDED Viewed

	@@ -0,0 +1,4 @@

+gradio
+setuptools
+huggingface_hub
+rouge_score