Update app.py

app.py

@@ -5,8 +5,8 @@ from PIL import Image
 import re
 
 st.sidebar.header("**Instructions**")
-st.sidebar.markdown("Démonstrateur du modèle [NERmemBERT](https://hf.co/collections/CATIE-AQ/french-ner-pack-658aefafe3f7a2dcf0e4dbb4) entraîné sur 385 000 à 420 000 données en français en fonction de la configuration. Il est capable d'étiquetter les entités LOC (Localisations), PER (Personnalités), ORG (Organisations) et MISC (Divers). Il est disponible en huit versions : NERmemBERT1-3entities-base (110M de paramètres, contexte de 512 tokens), NERmemBERT2-3entities (111M, 1024 tokens), NERmemBERTa-3entities (111M, 1024 tokens), NERmemBERT1-3entities-large (336M, 512 tokens), NERmemBERT1-4entities-base (110M, 512 tokens), NERmemBERT2-4entities (111M, 1024 tokens), NERmemBERTa-4entities (111M, 1024 tokens), NERmemBERT1-4entities-large (336M, 512 tokens). Pour utiliser l'application, sélectionnez la version de votre choix ci-dessous, puis renseignez un texte. Enfin appuyez sur le bouton « Appliquer le modèle » pour observer la réponse trouvée par le modèle. Pour en savoir plus sur ces modèles, vous pouvez lire l'[article de blog](https://blog.vaniila.ai/NER/) détaillant la démarche suvie.")
-version = st.sidebar.radio("Choix de la version du modèle :", ["NERmemBERT1-3entities-base", "NERmemBERT2-3entities", "NERmemBERTa-3entities", "NERmemBERT1-3entities-large","NERmemBERT1-4entities-base", "NERmemBERT2-4entities", "NERmemBERTa-4entities", "NERmemBERT1-4entities-large"])
+st.sidebar.markdown("Démonstrateur du modèle [NERmemBERT](https://hf.co/collections/CATIE-AQ/french-ner-pack-658aefafe3f7a2dcf0e4dbb4) entraîné sur 385 000 à 420 000 données en français en fonction de la configuration. Il est capable d'étiquetter les entités LOC (Localisations), PER (Personnalités), ORG (Organisations) et MISC (Divers). Il est disponible en 10 versions : NERmemBERT1-3entities-base (110M de paramètres, contexte de 512 tokens), NERmemBERT2-3entities (111M, 1024 tokens), NERmemBERTa-3entities (111M, 1024 tokens), ModerncamemBERT-3entities (136M, 8192 tokens), NERmemBERT1-3entities-large (336M, 512 tokens), NERmemBERT1-4entities-base (110M, 512 tokens), NERmemBERT2-4entities (111M, 1024 tokens), NERmemBERTa-4entities (111M, 1024 tokens), ModerncamemBERT-4entities (136M, 8192 tokens), NERmemBERT1-4entities-large (336M, 512 tokens). Pour utiliser l'application, sélectionnez la version de votre choix ci-dessous, puis renseignez un texte. Enfin appuyez sur le bouton « Appliquer le modèle » pour observer la réponse trouvée par le modèle. Pour en savoir plus sur ces modèles, vous pouvez lire l'[article de blog](https://blog.vaniila.ai/NER/) détaillant la démarche suvie.")
+version = st.sidebar.radio("Choix de la version du modèle :", ["NERmemBERT1-3entities-base", "NERmemBERT2-3entities", "NERmemBERTa-3entities", "ModerncamemBERT-3entities", "NERmemBERT1-3entities-large","NERmemBERT1-4entities-base", "NERmemBERT2-4entities", "NERmemBERTa-4entities", "ModerncamemBERT-4entities", "NERmemBERT1-4entities-large"])
 st.sidebar.markdown("---")
 st.sidebar.markdown("Ce modèle a été entraîné via la plateforme [*Vaniila*](https://www.vaniila.ai/) du [CATIE](https://www.catie.fr/).")
 
@@ -28,6 +28,10 @@ def load_model(version,text):
         ner = pipeline('token-classification', model='CATIE-AQ/NERmemberta-3entities', tokenizer='CATIE-AQ/NERmemberta-3entities', aggregation_strategy="simple")
         result = ner(text)
         return result   
+    if version == "ModerncamemBERT-3entities":
+        ner = pipeline('token-classification', model='CATIE-AQ/NERmemberta-4entities', tokenizer='CATIE-AQ/NERmemberta-4entities', aggregation_strategy="simple")
+        result = ner(text)
+        return result 
     if version == "NERmemBERT1-3entities-large":
         ner = pipeline('token-classification', model='CATIE-AQ/NERmembert-large-3entities', tokenizer='CATIE-AQ/NERmembert-large-3entities', aggregation_strategy="simple")
         result = ner(text)
@@ -43,7 +47,11 @@ def load_model(version,text):
     if version == "NERmemBERTa-4entities":
         ner = pipeline('token-classification', model='CATIE-AQ/NERmemberta-4entities', tokenizer='CATIE-AQ/NERmemberta-4entities', aggregation_strategy="simple")
         result = ner(text)
-        return result   
+        return result 
+    if version == "ModerncamemBERT-4entities":
+        ner = pipeline('token-classification', model='CATIE-AQ/NERmemberta-4entities', tokenizer='CATIE-AQ/NERmemberta-4entities', aggregation_strategy="simple")
+        result = ner(text)
+        return result  
     else:
         ner = pipeline('token-classification', model='CATIE-AQ/NERmembert-large-4entities', tokenizer='CATIE-AQ/NERmembert-large-4entities', aggregation_strategy="simple")
         result = ner(text)