Adding models flags

app.py

@@ -110,6 +110,9 @@ def run_models(parameters_list):
         classification = pipeline("zero-shot-classification", model=zeroshot_map[parameters_list[2]],    tokenizer=zeroshot_map[parameters_list[2]],    device=device_num)
         out_classification =  classification(out_translation, candidate_labels)["labels"][0] + " - Infered by {}".format(parameters_list[2])
 
+    out_translation += " - Translated by {}".format(parameters_list[0])
+    out_sentiment   += " - Analyzed by {}".format(parameters_list[1])
+    
     return out_translation, out_sentiment, out_classification
 
 sheet_id = "1TjDuF6dmirgdpuG_o5Y4CBPQdfmkksS1"
@@ -157,13 +160,13 @@ with dataset:
     st.write("Os dados abaixo foram obtidos através de *web scrapping* dos sites Valor Globo, Infomoney e Exame para o fim de aplicação dos modelos selecionados, para a confecção dos dados abaixo foram utilizados o TextBlob para Tradução Automática, VADER para a Análise de Sentimentos, Inferição por empresas presentes no texto e Roberta para a Classificação.")
     st.dataframe(df)
     st.subheader("Descrição das colunas:")
-    st.write("\t**- date:.........** Coluna de entrada contendo as datas em que os textos foram publicados")
-    st.write("\t**- url:..........** Coluna de entrada contendo os links para as páginas *web* das quais os textos foram retirados")
-    st.write("\t**- texts:........** Coluna de entrada contendo os textos financeiros propriamente ditos")
-    st.write("\t**- is_title:.....** Coluna de entrada contendo os se os textos são, ou não, pertencentes ao título da notícia")
-    st.write("\t**- translated:...** Coluna de saída contendo os textos financeiros que foram traduzidos utilizando o TextBlob")
-    st.write("\t**- theme:........** Coluna de saída contendo as classificações em áreas financeiras, das quais metade foram obtidas pelo nome de empresas presentes no texto e a outra metade obtidos por classificação zeroshot do modelo RoBERTa")
-    st.write("\t**- sentiment:....** Coluna de saída contendo as análises de sentimentos dos textos utilizando VADER")
+    st.write("\t**- date.........:** Coluna de entrada contendo as datas em que os textos foram publicados")
+    st.write("\t**- url..........:** Coluna de entrada contendo os links para as páginas *web* das quais os textos foram retirados")
+    st.write("\t**- texts........:** Coluna de entrada contendo os textos financeiros propriamente ditos")
+    st.write("\t**- is_title.....:** Coluna de entrada contendo os se os textos são, ou não, pertencentes ao título da notícia")
+    st.write("\t**- translated...:** Coluna de saída contendo os textos financeiros que foram traduzidos utilizando o TextBlob")
+    st.write("\t**- theme........:** Coluna de saída contendo as classificações em áreas financeiras, das quais metade foram obtidas pelo nome de empresas presentes no texto e a outra metade obtidos por classificação zeroshot do modelo RoBERTa")
+    st.write("\t**- sentiment....:** Coluna de saída contendo as análises de sentimentos dos textos utilizando VADER")
 
 with analysis:
     st.header("Visualização dos dados utilizados através de WordClouds")