|
import gradio as gr |
|
import torch |
|
from transformers import pipeline |
|
|
|
app_title = "Portuguese Hate Speech Detection 🤬" |
|
|
|
app_description = """ |
|
This app detects Hate Speech on Portuguese text. You can either introduce your own sentences by filling in the text box or click on one of the examples provided below. |
|
""" |
|
|
|
app_examples = [ |
|
["As pessoas tem que perceber que ser 'panasca' não é deixar de ser homem, é deixar de ser humano 😂😂", "knowhate/HateBERTimbau-youtube"], |
|
["Vamo-nos unir para criar um mundo mais inclusivo e tolerante.", "knowhate/HateBERTimbau-twitter"], |
|
["Isso pulhiticos merdosos, continuem a importar lixo, até Portugal deixar de ser Portugal.", "knowhate/HateBERTimbau-yt-tt"], |
|
["Eu admiro muito a coragem e a determinação da minha colega de trabalho.", "knowhate/HateBERTimbau"], |
|
["Vai pá puta que te pariu seu paneleiro do caralho, virgem ofendida", "knowhate/HateBERTimbau-youtube"], |
|
["O tempo está ensolarado hoje, perfeito para um passeio no parque.", "knowhate/HateBERTimbau-twitter"] |
|
] |
|
|
|
model_list = [ |
|
"knowhate/HateBERTimbau", |
|
"knowhate/HateBERTimbau-youtube", |
|
"knowhate/HateBERTimbau-twitter", |
|
"knowhate/HateBERTimbau-yt-tt", |
|
] |
|
|
|
def predict(text, chosen_model): |
|
|
|
|
|
model_pipeline = pipeline("text-classification", model=chosen_model) |
|
result = model_pipeline(text) |
|
|
|
predicted_label = result[0]['label'] |
|
predicted_score = result[0]['score'] |
|
|
|
non_predicted_label = "Hate Speech" if predicted_label == "Non Hate Speech" else "Non Hate Speech" |
|
non_predicted_score = 1 - predicted_score |
|
|
|
scores_dict = { |
|
predicted_label: predicted_score, |
|
non_predicted_label: non_predicted_score |
|
} |
|
|
|
return scores_dict |
|
|
|
inputs = [ |
|
gr.Textbox(label="Text", value= app_examples[0][0]), |
|
gr.Dropdown(label="Model", choices=model_list, value=model_list[2]) |
|
] |
|
|
|
outputs = [ |
|
gr.Label(label="Result"), |
|
] |
|
|
|
|
|
gr.Interface(fn=predict, inputs=inputs, outputs=outputs, title=app_title, |
|
description=app_description, examples=app_examples).launch() |
