|
import gradio as gr |
|
|
|
from transformers import AutoModelForTokenClassification,AutoModelForSequenceClassification, AutoTokenizer, pipeline |
|
|
|
|
|
title = "Modelo Jur铆dico Mexicano" |
|
description = """ |
|
<div id="content"> |
|
<div id="left" style="width:23%"> |
|
<center> |
|
<img src="https://www.pactomundial.org/wp-content/uploads/2021/10/16-paz-justicia-e-instituciones-solidas-3.jpg" width=200px> |
|
</center> |
|
</div> |
|
<div id="right"> |
|
Este demo permite utilizar los modelos: |
|
<ul> |
|
<li>hackathon-pln-es/jurisbert-finetuning-ner</li> |
|
<li>hackathon-pln-es/jurisbert-class-tratados-internacionales-sistema-universal</li> |
|
<li>hackathon-pln-es/jurisbert-clas-art-convencion-americana-dh</li> |
|
<li>hackathon-pln-es/jurisbert-tsdae-sentence-transformer</li> |
|
</ul> |
|
|
|
entrenados para el hackathon por el equipo compuesto por: gpalomeque, aureliopvs, ceciliamacias, giomadariaga y cattsytabla |
|
|
|
</div> |
|
</div> |
|
|
|
""" |
|
|
|
examples =[["El articulo 55, ultimo p谩rrafo , de la ley de Navegaci贸n y Comercio Mar铆timo no vulnera el principio de igualdad y no discriminaci贸n,pues la norma no contempla una autorizaci贸n a los pilotos de puerto para prestar el servicio de lanchaje sin un permiso para ello."],["Una persona promovi贸 juicio de amparo indirecto contra el auto por el cual el presidente de la Junta fij贸 fecha lejana para llevar a cabo su reinstalaci贸n, ordenada en el laudo que le fue favorable, pues en su opini贸n, ello constitu铆a una tardanza excesiva de proveer adecuadamente. Por su parte, el Juez Federal neg贸 la suspensi贸n provisional, al considerar que de concederse, los efectos dejar铆an sin materia una eventual sentencia protectora, dado que la restituci贸n que aqu茅l solicita coincidir铆a exactamente, en su caso, con los del fallo protector"], |
|
["En un juicio ordinario civil, una persona moral ejerci贸 acci贸n reivindicatoria respecto de una fracci贸n de un bien inmueble que refiere es de su propiedad, mientras que su contraparte aduce que es un bien del dominio p煤blico, al tratarse de un anexo que forma parte de un monumento hist贸rico"],["El art铆culo 47 DE LA LEY DEL REGISTRO CIVIL del menor a que se le registre inmediatamente despu茅s de su nacimiento, se le asigne un nombre y apellidos, se le respete su derecho a la identidad y filiaci贸n en un sentido de pertenencia con sus progenitores biol贸gicos y se protejan su desarrollo y bienestar integral, al garantiz谩rsele y reconoc茅rsele sus lazos familiares, prerrogativas que salvaguardan los art铆culos de la Carta Magna y de los tratados internacionales invocados."]] |
|
|
|
def get_entities(example): |
|
model_name = "hackathon-pln-es/jurisbert-finetuning-ner" |
|
tokenizer = AutoTokenizer.from_pretrained(model_name, add_prefix_space=True) |
|
|
|
model = AutoModelForTokenClassification.from_pretrained(model_name) |
|
token_classifier = pipeline("token-classification", aggregation_strategy="simple", model=model, tokenizer=tokenizer) |
|
results = token_classifier(example.lower()) |
|
|
|
output = [] |
|
|
|
i=0 |
|
item = None |
|
prev_item = None |
|
next_item = None |
|
while i < (len(results)): |
|
item = results[i] |
|
p=i-1 |
|
n=i+1 |
|
|
|
if p > 0: |
|
prev_item = results[p] |
|
|
|
|
|
if n<(len(results)): |
|
next_item = results[n] |
|
|
|
|
|
if (i==0): |
|
if item["start"]>0: |
|
output.extend([(example[0:item["start"]], None)]) |
|
output.extend([(example[item["start"]:item["end"]], item["entity_group"])]) |
|
if (next_item!=None): |
|
|
|
if(item["end"]!=next_item["start"]): |
|
output.extend([(example[item["end"]:next_item["start"]], None)]) |
|
i=i+1 |
|
|
|
if (item!=None): |
|
if (item["end"] < len(example)): |
|
output.extend([(example[item["end"]:len(example)], None)]) |
|
|
|
return output |
|
|
|
def clasifica_sistema_universal(example): |
|
tokenizer = AutoTokenizer.from_pretrained("hackathon-pln-es/jurisbert-class-tratados-internacionales-sistema-universal") |
|
|
|
model = AutoModelForSequenceClassification.from_pretrained("hackathon-pln-es/jurisbert-class-tratados-internacionales-sistema-universal") |
|
text_classifier = pipeline("text-classification", model=model, tokenizer=tokenizer) |
|
results= text_classifier (example) |
|
|
|
salida=[] |
|
for i in results: |
|
salida.append({i["label"]:i["score"]}) |
|
|
|
return results[0]["label"], round(results[0]["score"], 5) |
|
|
|
|
|
|
|
|
|
def clasifica_conv_americana(example): |
|
tokenizer = AutoTokenizer.from_pretrained("hackathon-pln-es/jurisbert-clas-art-convencion-americana-dh") |
|
|
|
model = AutoModelForSequenceClassification.from_pretrained("hackathon-pln-es/jurisbert-clas-art-convencion-americana-dh") |
|
|
|
text_classifier = pipeline("text-classification", model=model, tokenizer=tokenizer) |
|
results= text_classifier (example) |
|
|
|
return {i["label"]: float(i["score"]) for i in results} |
|
|
|
def process(example): |
|
entidades = get_entities(example) |
|
|
|
|
|
a,b = clasifica_sistema_universal(example) |
|
|
|
class_conv_americana = clasifica_conv_americana(example) |
|
|
|
return entidades,a,b, class_conv_americana |
|
|
|
|
|
|
|
input_sen = gr.inputs.Textbox(lines=10, label="Proporcione el texto a analizar:") |
|
|
|
output_txt1= gr.outputs.Textbox(label("clasificaci贸n acorde al modelo de la convenci贸n americana:")) |
|
|
|
output_txt2= gr.outputs.Textbox(label("clasificaci贸n score:")) |
|
|
|
|
|
|
|
iface = gr.Interface(fn=process, inputs=input_sen, outputs=["highlight",output_txt1, output_txt2,"label"], examples=examples, title=title, description = description) |
|
|
|
iface.launch(debug=True) |
|
|