omarelsayeed's picture
first commit
8fdd1a4
raw
history blame
2.2 kB
import pandas as pd
import spacy
import gradio as gr
import re
dataset = pd.read_excel('Dataset-Verse-by-Verse.xlsx')
dataset.rename(columns={'ArabicText': 'text'}, inplace=True)
nlp = spacy.load('aravec_model')
all_docs = [nlp(doc) for doc in dataset['text']]
def clean_text(text):
# remove tashkeel
text = re.sub('[~ًٌٍَُِّْ]', '', text)
text = re.sub('[ًٌٍَُِّْـ]', '', text)
# ozbot el alef
text = re.sub('إ', 'ا', text)
text = re.sub('أ', 'ا', text)
text = re.sub('آ', 'ا', text)
# remove longation
text = re.sub(r'(.)\1+', r'\1\1', text)
# remove extra spaces
text = re.sub(' +', ' ', text)
text = text.strip()
text = re.sub('[\s]+', ' ', text)
# remove punctuations
text = re.sub(r'[^\w\s]', '', text)
return text
def get_similar_sentences(text):
text = clean_text(text)
ref_sentence = nlp(text)
similar_sentences = []
for i,doc in enumerate(all_docs):
similar_sentences.append((doc, ref_sentence.similarity(doc) , i))
similar_sentences.sort(key=lambda x: x[1], reverse=True)
top_10 = similar_sentences[:10]
# add the surahnamearabic to text
return dict(zip([' [ ' + dataset['SurahNameArabic'][i] + ' ] ' + doc.text for doc, _, i in top_10], [similarity for _, similarity, _ in top_10]))
text_input = gr.inputs.Textbox(lines = 1 , label = "Enter a Quran Verse" )
label = gr.outputs.Label()
examples = ['الحمدلله رب العالمين',
'مثلهم كمثل الذي استوقد نارًا فلما أضاءت ما حوله ذهب الله بنورهم وتركهم في ظلماتٍ لا يبصرون',
'إن الذين كفروا سواء عليهم أأنذرتهم أم لم تنذرهم لا يؤمنون',
'ونادى أصحاب الجنة أصحاب النار أن قد وجدنا ما وعدنا ربنا حقا فهل وجدتم ما وعد ربكم حقا ۖ قالوا نعم ۚ فأذن مؤذن بينهم أن لعنة الله على الظالمين'
]
intf = gr.Interface(fn = get_similar_sentences , inputs = text_input , outputs = label , examples=examples )
intf.launch(share=True)