File size: 2,193 Bytes
8fd2830
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
import numpy as np
import gradio as gr
from tensorflow.keras.models import load_model
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
import pickle

# Modeli ve Tokenizer'ı yükle
model = load_model('model_v3.h5')
with open('Tokenizer.pkl', 'rb') as handle:
    tokenizer = pickle.load(handle)

def predict_star_rating(text):
    # Ön işleme adımları
    text = text.lower()
    text = text.replace(r"[^\w\s]", "")
    text = text.replace(r"\d", "")
    
    turkish_chars = {'ç': 'c', 'ş': 's', 'ü': 'u', 'ö': 'o', 'ğ': 'g', 'ı': 'i'}
    for turkish, english in turkish_chars.items():
        text = text.replace(turkish, english)
    
    stop_words = [
        'bir', 'bu', 'şu', 'o', 've', 'veya', 'ama', 'ancak', 'için', 'çünkü', 'ile', 'ya', 
        'de', 'da', 'ki', 'mi', 'mı', 'mu', 'mü', 'ne', 'nasıl', 'niye', 'neden', 'nerede', 
        'burada', 'şurada', 'orada', 'her', 'hiç', 'bazı', 'tüm', 'çok', 'az', 'daha', 'en', 
        'ise', 'ile', 'gibi', 'sonra', 'önce', 'sadece', 'hep', 'hiç', 'yine', 'yani', 'fakat', 
        'böyle', 'böylece', 'ancak', 'tarafından', 'karşı', 'üzere', 'üzerinden', 'aldigim', 
        'aldik', 'aldim', 'ben', 'bence', 'benim', 'de', 'geldi', 'gelen', 'geliyor', 'vardi', 
        'verdim', 'ya', 'rengi', 'renk', 'icin', 'icinde', 'iki', 'ile', 'ilk', 'is', 'ise', 
        'bir', 'bile', 'ama', 'ancak', 'bu', 'mi', 'ne'
    ]
    text = " ".join([word for word in text.split() if word.lower() not in stop_words])
    
    # Metni sayısal diziye çevir
    sequence = tokenizer.texts_to_sequences([text])
    padded_sequence = pad_sequences(sequence, maxlen=100)
    
    prediction = model.predict(padded_sequence)[0]
    predicted_class = np.argmax(prediction) + 1
    
    return f"{predicted_class} Yıldız"

demo = gr.Interface(
    fn=predict_star_rating,
    inputs=gr.Textbox(label="Yorumunuzu yazın"),
    outputs=gr.Textbox(label="Tahmin Edilen Yıldız"),
    title="Yorum Yıldız Derecelendirme Modeli",
    description="Türkçe yorum için yıldız tahminlemesi yapan model"
)

# Uygulamayı başlat
demo.launch()