Update ui.py

ui.py

@@ -1,44 +1,60 @@
 import gradio as gr
+import matplotlib.pyplot as plt
 from sentiment import analyze_sentiment
 
-# Gradio 介面說明
-intro_text = """
-# 🎯 多語言情緒分析 AI
-本應用使用 Hugging Face 的 `XLM-RoBERTa` 模型來進行**多語言情緒分析**。  
-輸入任何語言的文本，AI 會自動判斷其**情緒分類（正向 / 中立 / 負向）**，並提供 AI 判斷的**信心度（%）**。
-
-## 🔹 **功能特色**
-✅ **支援多語言**（繁體中文、英文、法文、日文等）  
-✅ **即時分析**，不需下載模型  
-✅ **提供信心度**，結果更透明  
-
-## 📌 **如何使用**
-1️⃣ **輸入一句話或一段文本**（可輸入中文、英文、日文等）  
-2️⃣ **點擊「分析情緒」**  
-3️⃣ **查看結果，包括情緒分類 & 信心度**  
-
-## ⚠️ **使用須知**
-- 目前模型適合**一般文本**，但對**諷刺、幽默**等語句可能不準確。  
-- 若遇到分析錯誤，請**重新輸入文本或稍後再試**。  
-"""
-
-developer_info = """
-## 👨‍💻 開發資訊
-- **開發者**: 余彦志 （大宇 / ian）
-- **模型來源**: [Hugging Face](https://huggingface.co/cardiffnlp/twitter-xlm-roberta-base-sentiment)
-- **技術棧**: `Gradio`、`FastAPI`、`Hugging Face API`
-- **聯絡方式**: [[email protected]]
-"""
-
-# 建立 Gradio 介面
+# 📌 定義可選擇的模型（顯示中文名稱）
+MODEL_OPTIONS = {
+    "多語言推特情緒分析 (XLM-RoBERTa)": "cardiffnlp/twitter-xlm-roberta-base-sentiment",
+    "多語言情緒分析 (BERT)": "nlptown/bert-base-multilingual-uncased-sentiment",
+    "英語情緒分析 (DistilBERT)": "distilbert-base-uncased-finetuned-sst-2-english"
+}
+
+# 📌 生成信心度視覺化圖表
+def plot_confidence(score):
+    fig, ax = plt.subplots()
+    categories = ["低", "中等", "高", "極高"]
+    levels = [0.3, 0.5, 0.75, 0.9]
+    
+    confidence_category = next((cat for cat, lvl in zip(categories, levels) if score < lvl), "極高")
+    
+    ax.bar(categories, levels, color=["red", "orange", "yellow", "green"])
+    ax.set_ylim([0, 1])
+    ax.set_title(f"信心度分析 ({confidence_category})")
+    return fig
+
+# 📌 產生可下載的分析報告
+def generate_report(text, result, model_name):
+    report = f"🔍 **分析報告**\n\n📝 **輸入內容**: {text}\n\n📊 **分析結果**:\n{result}\n\n🤖 **使用模型**: {model_name}"
+    return report
+
+# 📌 建立 Gradio 介面
 def create_ui():
     with gr.Blocks(theme=gr.themes.Soft()) as iface:
-        gr.Markdown(intro_text)
+        gr.Markdown("# 🎯 多語言情緒分析 AI\n請輸入一段文字，選擇模型，AI 會分析其情緒。")
+        
         with gr.Row():
             text_input = gr.Textbox(lines=3, placeholder="請輸入文本（支援多語言）...", label="輸入文本")
+        
+        with gr.Row():
+            model_selector = gr.Dropdown(choices=list(MODEL_OPTIONS.keys()), value="多語言推特情緒分析 (XLM-RoBERTa)", label="選擇 AI 模型")
+
         analyze_button = gr.Button("分析情緒")
-        result_output = gr.Markdown(label="分析結果")
-        analyze_button.click(analyze_sentiment, inputs=text_input, outputs=result_output)
-        gr.Markdown(developer_info)
+
+        with gr.Row():
+            result_output = gr.Markdown(label="分析結果")
+            plot_output = gr.Plot(label="信心度圖表")
+        
+        report_output = gr.File(label="下載報告")
+
+        # 📌 綁定按鈕功能
+        def process_analysis(text, model_name):
+            model_id = MODEL_OPTIONS[model_name]  # 轉換中文名稱為模型 ID
+            result = analyze_sentiment(text, model_id)  # 調用 API 進行分析
+            confidence_score = float(result.split("信心度為**: ")[1].split("%")[0]) / 100
+            plot = plot_confidence(confidence_score)
+            report = generate_report(text, result, model_name)
+            return result, plot, report
+
+        analyze_button.click(process_analysis, inputs=[text_input, model_selector], outputs=[result_output, plot_output, report_output])
 
     return iface