Added max tokens to sentiment analysis

app.py

@@ -48,7 +48,7 @@ Refer to our [paper](https://arxiv.org/abs/2401.14373) for more details.
 
 
 sentiment_example = [["Bu üründen çok memnun kaldım."]]
-long_text = [["Eyfel Kulesi (Fransızca: La tour Eiffel [la tuʀ ɛˈfɛl]), Paris'teki demir kule. Kule, aynı zamanda tüm dünyada Fransa'nın sembolü halini almıştır. İsmini, inşa ettiren Fransız inşaat mühendisi Gustave Eiffel'den alır.[1] En büyük turizm cazibelerinden biri olan Eyfel Kulesi, yılda 6 milyon turist çeker. 2002 yılında toplam ziyaretçi sayısı 200 milyona ulaşmıştır.", "Kalp krizi geçirenlerin yaklaşık üçte birinin kısa bir süre önce grip atlattığı düşünülüyor. Peki grip virüsü ne yapıyor da kalp krizine yol açıyor? Karpuz şöyle açıkladı: Grip virüsü kanın yapışkanlığını veya pıhtılaşmasını artırıyor."]]
+long_text = [["Eyfel Kulesi (Fransızca: La tour Eiffel [la tuʀ ɛˈfɛl]), Paris'teki demir kule. Kule, aynı zamanda tüm dünyada Fransa'nın sembolü halini almıştır. İsmini, inşa ettiren Fransız inşaat mühendisi Gustave Eiffel'den alır.[1] En büyük turizm cazibelerinden biri olan Eyfel Kulesi, yılda 6 milyon turist çeker. 2002 yılında toplam ziyaretçi sayısı 200 milyona ulaşmıştır."], ["Kalp krizi geçirenlerin yaklaşık üçte birinin kısa bir süre önce grip atlattığı düşünülüyor. Peki grip virüsü ne yapıyor da kalp krizine yol açıyor? Karpuz şöyle açıkladı: Grip virüsü kanın yapışkanlığını veya pıhtılaşmasını artırıyor."]]
 ner_example = [["Benim adım Turna."]]
 t2t_example = [["Paraphrase: Bu üründen çok memnun kaldım."]]
 nli_example = [["Bunu çok beğendim. Bunu çok sevdim."]]
@@ -70,15 +70,8 @@ def nli(input, model_choice="turna_nli_nli_tr"):
 
 @spaces.GPU
 def sentiment_analysis(input, model_choice="turna_classification_17bintweet_sentiment"):
-    if model_choice=="turna_classification_17bintweet_sentiment":
-        sentiment_model = pipeline(model="boun-tabi-LMG/turna_classification_17bintweet_sentiment", device=0) 
-
-        return sentiment_model(input)[0]["generated_text"]
-    else:
-        product_reviews = pipeline(model="boun-tabi-LMG/turna_classification_tr_product_reviews", device=0) 
-
-        return product_reviews(input)[0]["generated_text"]
-
+    sentiment_model = pipeline(model=f"boun-tabi-LMG/{model_choice}", device=0) 
+    return sentiment_model(input, max_new_tokens = 4)[0]["generated_text"]
 
 @spaces.GPU
 def pos(input, model_choice="turna_pos_imst"):