Spaces:
Sleeping
Sleeping
File size: 2,148 Bytes
4753750 b98e93a 2d0e3a4 c9f2a7e 059661d 2d0e3a4 b787b27 059661d 541ebb9 d29c02d 2d0e3a4 095c375 2d0e3a4 b787b27 2d0e3a4 b787b27 2d0e3a4 b787b27 b91cfcd b6d2c3d b966b87 b91cfcd 109411a b91cfcd |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 |
import streamlit as st
import pandas as pd
from transformers import pipeline
import numpy as np
# Chargement du dataframe
df = pd.read_csv("Comments.csv")
#recup des comments en liste
comments = df["Comment"].tolist()
st.header("Analyse de Texte ")
# Create a selectbox to choose a comment
selected_comment = st.selectbox("Veuiller selelctionner un commentaire", comments)
# Display the selected comment in the text input
text = st.text_input('Entrer le texte à analyser', value=selected_comment)
# Labels candidats pour la classification
candidate_labels = ["commentaire positive", "commentaire négative"]
# Modèle de phrase pour la formation de l'hypothèse
hypothesis_template = "Cet exemple est un {}."
# Create the classifier pipeline
classifier = pipeline("zero-shot-classification", model="morit/french_xlm_xnli")
# Exécution de la classification seulement si du texte est entré
if text and candidate_labels: # Vérifier si du texte et au moins une étiquette sont présents
result = classifier(text, candidate_labels, hypothesis_template=hypothesis_template)
st.info(f"Résultat: {result['labels'][0]} avec une confiance de {result['scores'][0]*100:.2f}%")
else:
st.write("Veuillez entrer du texte pour l'analyse.")
image1 = "toph1.png"
st.text("\n \n \n")
st.markdown("**Differentes Process pour l'analyse de sentiments**")
st.image(image1, caption="Workflow analyse de sentiment", use_column_width=True)
st.text("\n \n \n")
st.header("**Comment ça marche**")
st.text("\n \n \n")
st.markdown("1. Collecte des données:Recuperation des EAEs")
st.markdown("3. Traitement des données")
st.text("Decomposition en 2 ensembles:Train pour entrainer notre modele et Test les données pour evaluer notre modele")
st.markdown("2. Analyse exploratoire des données")
st.markdown("4. Modélisation:Comparaison de plusieurs modeles ")
st.markdown("5. Evaluation du modele choisi")
st.markdown("6. Mise en production du modele choisi")
image2 = "nlp.PNG"
st.text("\n \n \n")
st.markdown("**Differentes Process pour l'analyse de sentiments**")
st.image(image2, caption="Workflow analyse de sentiment", use_column_width=True) |