Mingu Kim
66 lines
2.2 KiB
Python
66 lines
2.2 KiB
Python
import gradio as gr
|
|
from transformers import pipeline
|
|
import re
|
|
|
|
# 문장 여러개 ( 파일 )
|
|
# 리뷰 데이터 -> 분석
|
|
|
|
english_classifier = pipeline("sentiment-analysis", top_k = None)
|
|
korean_classifier = pipeline("sentiment-analysis", model="WhitePeak/bert-base-cased-Korean-sentiment", top_k = None)
|
|
|
|
def is_korean(text):
|
|
korean = re.search(r"[가-힣]", text)
|
|
return korean is not None
|
|
|
|
|
|
def predict_sentiment(text):
|
|
|
|
# 엔터를 기준으로 문장 분리
|
|
sentences = text.splitlines()
|
|
sentences = [s.strip() for s in sentences if s.strip()]
|
|
|
|
results_text=[]
|
|
|
|
# 한국말인지 확인하기
|
|
if is_korean(text):
|
|
language = "한국어 모델"
|
|
results = korean_classifier(sentences)
|
|
else:
|
|
language = "영어 모델"
|
|
results = english_classifier(sentences)
|
|
|
|
# {'label' : 'POSITIVE', 'score' : 0.9192341028490124}
|
|
# {'label' : 'LABEL_1', 'score' : 0.9192341028490124}
|
|
|
|
# label = results[0]["label"]
|
|
label_map = {"LABEL_0" : "부정 😡", "LABEL_1" : "긍정 😄", "NEGATIVE" : "부정 😡", "POSITIVE" : "긍정 😄"}
|
|
|
|
# label = label_map.get(label, label)
|
|
# score1 = result[0]["score"]
|
|
# score2 = result[1]["score"]
|
|
|
|
# return f"사용모델 : {language}\n 감정 : {label}\n 확률 : ({score1:.4f})\n OTHER : ({score2:.4f})"
|
|
|
|
for sentence, result in zip(sentences, results):
|
|
# 결과를 전체 다 받은 상태
|
|
best = max(result, key=lambda x:x['score'])
|
|
label = best["label"]
|
|
label = label_map.get(label, label)
|
|
score = best['score']
|
|
# results_text += (f"문장 : {sentence}\n 감정 : {label}\n 확률 : {score:.4f}\n\n")
|
|
results_text.append([sentence, label, score])
|
|
|
|
return results_text
|
|
|
|
|
|
|
|
demo = gr.Interface(
|
|
fn = predict_sentiment,
|
|
inputs=[gr.Textbox(lines=3, placeholder="문장을 입력하세요")],
|
|
# outputs=[gr.Textbox(label="분석결과", lines=10)],
|
|
outputs=[gr.Dataframe(headers=["문장", "감정", "확률"])],
|
|
title = "AI 감정분석 웹",
|
|
description="HuggingFace Transformer 기반 감정 분석 프로그램",
|
|
)
|
|
|
|
demo.launch() |