Spaces:

moazx
/

Sentiment_analysis_for_restaurant_reviews_in_Arabic

Sleeping

App Files Files Community

Sentiment_analysis_for_restaurant_reviews_in_Arabic / app.py

moazx

Update app.py

ce18cd2 verified about 2 months ago

raw history blame contribute delete

No virus

3.68 kB

	import gradio as gr
	from transformers import AutoTokenizer, AutoModelForSequenceClassification
	import torch

	# Load the model from the Hugging Face Model Hub
	model_name = "moazx/AraBERT-Restaurant-Sentiment"
	tokenizer = AutoTokenizer.from_pretrained(model_name)
	model = AutoModelForSequenceClassification.from_pretrained(model_name)

	# Define the device to run inference on (GPU if available, otherwise CPU)
	device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

	# Move the model to the device
	model.to(device)



	# Define function for sentiment analysis
	def predict_sentiment(review):
	# Step 1: Tokenization
	encoded_text = tokenizer(
	review, padding=True, truncation=True, max_length=256, return_tensors="pt"
	)

	# Move input tensors to the appropriate device
	input_ids = encoded_text["input_ids"].to(device)
	attention_mask = encoded_text["attention_mask"].to(device)

	# Step 2: Inference
	with torch.no_grad():
	outputs = model(input_ids, attention_mask=attention_mask)

	# Step 3: Prediction with probabilities
	probs = torch.softmax(outputs.logits, dim=-1)
	probs = (
	probs.squeeze().cpu().numpy()
	) # Convert to numpy array and remove the batch dimension

	# Map predicted class index to label
	label_map = {0: 'سلبي', 1: 'إيجابي'}

	output_dict = {label_map[i]: float(probs[i]) for i in range(len(probs))}
	return output_dict


	# Create Gradio interface
	examples = [
	["كانت تجربتي في هذا المطعم رائعة والطعام كان لذيذاً للغاية"],
	["المطعم يجنن والاكل تحفة"],
	["المطعم ما عجبني، الطعم مو حلو والخدمة كانت سيئة جداً، والموظفين ما كانوا محترمين. الأسعار غالية مقارنة بالجودة. ما بنصح فيه."],
	["الطعام لا يستحق الثمن المدفوع، جودة سيئة للغاية."],
	["الاكل كان جميل جدا والناس هناك محترمه جدا,"],
	["الأكل وحش والخدمة سيئة، مش هرجع تاني للمطعم ده."],
	["المطعم وايد حلو وأكلهم طيب بشكل مو طبيعي! الخدمة عندهم ممتازة والأجواء جداً مريحة. بالتأكيد راح أزورهم مرة ثانية وأنصح الكل يجربهم!"],
	["تجربتي في هذا المطعم كانت مخيبة للآمال. الأطعمة كانت جافة ومُضيعة للوقت، وخدمة العملاء كانت بطيئة ولا تلبي التوقعات. بالإضافة إلى ذلك، الأسعار مبالغ فيها مقارنة بجودة الطعام المقدمة. لن أعيد زيارة هذا المكان مرة أخرى."],

	]

	description_html = """
	<p>This model was trained by Moaz Eldsouky. You can find more about me here:</p>
	<p>GitHub: <a href="https://github.com/MoazEldsouky">GitHub Profile</a></p>
	<p>LinkedIn: <a href="https://www.linkedin.com/in/moaz-eldesouky-762288251/">LinkedIn Profile</a></p>
	<p>Kaggle: <a href="https://www.kaggle.com/moazeldsokyx">Kaggle Profile</a></p>
	<p>Email: <a href="mailto:moazeldsoky8@gmail.com">moazeldsoky8@gmail.com</a></p>
	"""


	iface = gr.Interface(
	fn=predict_sentiment,
	inputs = gr.Textbox(placeholder='أدخل تقييماً لمطعم باللغة العربية'),
	outputs = gr.Label(num_top_classes=2, min_width=360),
	title = "تحليل المشاعر لتقيمات المطاعم باللغة العربية",
	article = description_html,
	allow_flagging = "auto",
	examples = examples,
	)
	iface.launch()