Update app.py

app.py

@@ -1,7 +1,48 @@
 import gradio as gr
+import pandas as pd
+import numpy as np
+from sklearn.naive_bayes import MultinomialNB
+from sklearn.feature_extraction.text import TfidfVectorizer
 
-def greet(name):
-    return "Hello " + name + "!!"
+df = pd.read_excel('C:/Users/Tien Dung/Downloads/Cleaned Data.xlsx')
 
-iface = gr.Interface(fn=greet, inputs="text", outputs="text")
+X = df['Title']
+y = df['Encoded Tag']
+tfidf_vectorizer = TfidfVectorizer()
+X_tfidf = tfidf_vectorizer.fit_transform(X)
+
+# Train the Naive Bayes model
+nb = MultinomialNB(alpha=0.4)
+nb.fit(X_tfidf, y)
+
+# Function to make predictions
+encoded = {0:'Chính trị', 1:'Giáo dục', 2:'Giải trí', 3:'Kinh doanh', 4:'Sức khỏe'}
+def predict_category(title):
+    title_tfidf = tfidf_vectorizer.transform([title])
+    probabilities = nb.predict_proba(title_tfidf)[0]
+    data = {"Category": [encoded[i] for i in range(len(encoded))],
+            "Probability (%)": [f"{probabilities[i]*100:.2f}%" for i in range(len(probabilities))]}
+    df = pd.DataFrame(data)
+    return encoded[np.argmax(probabilities)], df
+
+# Create the Gradio interfaces
+iface = gr.Interface(
+    fn=predict_category,
+    inputs="text",
+    outputs=[
+        gr.Textbox(label="Prediction"),
+        gr.Dataframe(label="Probs", type='pandas')
+    ],
+    title="Text Classification App",
+    description="Enter a news title and get the predicted category.",
+    examples=[
+        ["Phó Thủ tướng ghi sổ tang tưởng niệm các nạn nhân trong vụ khủng bố ở Nga"],
+        ["Thiếu giáo viên: Dự kiến cho phép tuyển dụng người có trình độ cao đẳng"],
+        ['Diễn viên Thu Quỳnh chia sẻ điều bất ngờ không tính toán trước'],
+        ["Nhóm khách vay mua nhà đất bị nợ xấu, ngân hàng tá hỏa biết khách còn nợ khủng"],
+        ["Điều kiện để các giáo sư y khoa Hàn Quốc không từ chức hàng loạt"]
+    ]
+)
+
+# Run the interface
 iface.launch()