article_app.py

article = """
<img src="https://www.iic.uam.es/wp-content/uploads/2017/12/IIC_logoP.png">
<img src="https://drive.google.com/uc?export=view&id=1S8v94q39QRCfmVTMvjLCACmhMe9lJQdc">

<p style="text-align: justify;"> This app is developed by <a href="https://www.iic.uam.es/">IIC - Instituto de Ingeniería del Conocimiento</a> as part of the <a href="https://www.eventbrite.com/e/registro-hackathon-de-pln-en-espanol-273014111557">Somos PLN Hackaton 2022.</a>

Concretely, the members of the team are:

<ol>
    <li>Alejandro Vaca Serrano: <a href="https://huggingface.co/avacaondata">@avacaondata</a></li>
    <li>David Betancur Sánchez: <a href="https://huggingface.co/Dabs">@Dabs</a></li>
    <li>Alba Segurado: <a href="https://huggingface.co/alborotis">@alborotis</a></li>
    <li>Álvaro Barbero Jiménez: <a href="https://huggingface.co/albarji">@albarji</a></li>
    <li>Guillem García Subies: <a href="https://huggingface.co/GuillemGSubies">@GuillemGSubies</a></li>
</ol>

The objective of this app is to expand the existing tools regarding long form question answering in Spanish. In fact, multiple novel methods (in Spanish)
have been introduced to build this app. 
The reason for including audio as a possible input and always as an output is because we wanted to make the App much more accessible to people that cannot read or write.
Below you can find all the pieces that form the system.
<ol>
    <li><a href="https://hf.co/IIC/wav2vec2-spanish-multilibrispeech">Speech2Text</a>: For this we finedtuned a multilingual Wav2Vec2, as explained in the attached link. We use this model to process audio questions.</li>
    <li><a href="https://hf.co/IIC/dpr-spanish-passage_encoder-allqa-base">Dense Passage Retrieval for Context</a>: Dense Passage Retrieval is a methodology <a href="https://arxiv.org/abs/2004.04906">developed by Facebook</a> which is currently the SoTA for Passage Retrieval, that is, the task of getting the most relevant passages to answer a given question with. You can find details about how it was trained on the link attached to the name. </li>
    <li><a href="https://hf.co/IIC/dpr-spanish-question_encoder-allqa-base">Dense Passage Retrieval for Question</a>: It is actually part of the same thing as the above. For more details, go to the attached link.</li>
    <li><a href="https://hf.co/sentence-transformers/distiluse-base-multilingual-cased-v1">Sentence Encoder Ranker</a>: To rerank the candidate contexts retrieved by dpr for the generative model to see. This also selects the top 5 passages for the model to read, it is the final filter before the generative model.</li>
    <li><a href="https://hf.co/IIC/mt5-base-lfqa-es">Generative Long-Form Question Answering Model</a>: For this we used either mT5 (the one attached) or <a href="https://hf.co/IIC/mbart-large-lfqa-es">mBART</a>. This generative model receives the most relevant passages and uses them to generate an answer to the question. In the attached link there are more details about how we trained it etc.</li>
</ol>

On the other hand, we uploaded, and in some cases created, datasets in Spanish to be able to build such a system.

<ol>
    <li><a href="https://hf.co/datasets/IIC/spanish_biomedical_crawled_corpus">Spanish Biomedical Crawled Corpus</a>. Used for finding answers to questions about biomedicine. (More info in the link.)</li>
    <li><a href="https://hf.co/datasets/IIC/lfqa_spanish">LFQA_Spanish</a>. Used for training the generative model. (More info in the link.)</li>
    <li><a href="https://hf.co/datasets/squad_es">SQUADES</a>. Used to train the DPR models. (More info in the link.)</li>
    <li><a href="https://hf.co/datasets/IIC/bioasq22_es">BioAsq22-Spanish</a>. Used to train the DPR models. (More info in the link.)</li>
    <li><a href="https://hf.co/datasets/PlanTL-GOB-ES/SQAC">SQAC (Spanish Question Answering Corpus)</a>. Used to train the DPR models. (More info in the link.)</li>
</ol>

</p>

<p style="text-align: justify;">
Esta parte que viene a continuación será explicada en castellano, ya que es la que contiene los <a href="https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/">Objetivos del Desarrollo Sostenible</a> en los que pretendemos aportar con este proyecto en el contexto del Somos PLN Hackaton 2022. 

<ol>
    <li><a href="https://www.un.org/sustainabledevelopment/es/health/">Salud y bienestar</a>: pretendemos con nuestro sistema mejorar la búsqueda de información acerca de la salud y el sector biomédico, ayudando tanto a investigadores biomédicos a indagar en una gran base de datos sobre el tema, pudiendo acelerar así el proceso de investigación y desarrollo en este ámbito, como a cualquier individuo que quiera conocer mejor acerca de la salud y de los temas relacionados. De esta manera usamos la IA para promover tanto el conocimiento como la exploración en el campo de la BioMedicina en castellano.</li>
    <li><a href="https://www.un.org/sustainabledevelopment/es/education/">Educación de calidad</a>: al ofrecer al mundo un sistema avanzado de consulta de información, ayudamos a complementar y mejorar los sistemas de calidad actuales del mundo biomédico, pues los alumnos tienen un sistema para aprender sobre este campo interactuando a través de nuestros modelos con una gran base de conocimiento en este tema.</li>
    <li><a href="https://www.un.org/sustainabledevelopment/es/inequality/">Reducción de las desigualdades</a>: Al hacer un sistema end-to-end de voz a voz, en el que no sería necesario usar el teclado (no en la demo actual por cómo están hechos los spaces de Huggingface, pero sí lo permiten las tecnologías que usamos, con la arquitectura adaptada correcta), promovemos la accesibilidad a la herramienta. Esto tiene la intención de que personas que no puedan leer ni escribir tengan la oportunidad de interactuar con BioMedIA. Esto se nos ocurrió ya que recientemente un miembro del equipo, @avacaondata, estuvo con la muñeca rota, y luego operada, por lo que no habría podido interactuar con estos sistemas. Eso nos abrió los ojos acerca de la necesidad de hacer este sistema lo más flexible posible, para que fuera fácil interactuar con él independientemente de las dificultades o limitaciones físicas que pudieran tener las personas. Al incluir una salida de voz, aquellos que no tengan posibilidad de ver a través de los ojos también podrán recibir respuestas a sus dudas. Esto reduce las desigualdades de acceso a la herramienta de aquellos con alguno de esos impedimentos.</li>
</ol>
</p>
"""
# 1HOzvvgDLFNTK7tYAY1dRzNiLjH41fZks
# 1kvHDFUPPnf1kM5EKlv5Ife2KcZZvva_1
description = """
<a href="https://www.iic.uam.es/">
    <img src="https://drive.google.com/uc?export=view&id=1HOzvvgDLFNTK7tYAY1dRzNiLjH41fZks"  style="max-width: 100%; max-height: 10%; height: 250px; object-fit: fill">
</a>
<h1> BioMedIA: Abstractive Question Answering of BioMedical Domain in Spanish </h1>
Esta aplicación consiste en sistemas de búsqueda del Estado del Arte en Español junto con un modelo generativo entrenado para componer una respuesta a preguntas a partir de una serie de contextos.
"""


examples = [
    [
        "¿Cuáles son los efectos secundarios más ampliamente reportados en el tratamiento de la enfermedad de Crohn?",
        "vacio.flac",
        "vacio.flac",
        60,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Para qué sirve la tecnología CRISPR?",
        "vacio.flac",
        "vacio.flac",
        60,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué es el lupus?",
        "vacio.flac",
        "vacio.flac",
        60,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué es la anorexia?",
        "vacio.flac",
        "vacio.flac",
        60,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Por qué sentimos ansiedad?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué es la gripe aviar?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué es la tecnología CRISPR?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Cómo se genera la apendicitis?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué es la mesoterapia?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué alternativas al Paracetamol existen para el dolor de cabeza?",
        "vacio.flac",
        "vacio.flac",
        80,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Cuáles son los principales tipos de disartria del trastorno del habla motor?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Es la esclerosis tuberosa una enfermedad genética?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Cuál es la función de la proteína Mis18?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Cuáles son las principales causas de muerte?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Qué deficiencia es la causa del síndrome de piernas inquietas?",
        "vacio.flac",
        "vacio.flac",
        50,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Cuál es la función del 6SRNA en las bacterias?",
        "vacio.flac",
        "vacio.flac",
        60,
        8,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Por qué los humanos desarrollamos diabetes?",
        "vacio.flac",
        "vacio.flac",
        50,
        10,
        3,
        1.0,
        250,
        False,
    ],
    [
        "¿Qué factores de riesgo aumentan la probabilidad de sufrir un ataque al corazón?",
        "vacio.flac",
        "vacio.flac",
        80,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Cómo funcionan las vacunas?",
        "vacio.flac",
        "vacio.flac",
        90,
        8,
        3,
        1.0,
        250,
        False
    ],
    [
        "¿Tienen conciencia los animales?",
        "vacio.flac",
        "vacio.flac",
        70,
        8,
        3,
        1.0,
        250,
        False
    ],
]