app.py

import gradio as gr
import logging
from transformers import pipeline  # For NLP
from difflib import get_close_matches  # For fuzzy matching

# Load Arabic NLP model for intent classification
intent_classifier = pipeline("text-classification", model="aubmindlab/bert-base-arabertv02")

# Omdurman National Bank-specific guidelines
ONB_GUIDELINES = {
    "balance": "يمكنك التحقق من رصيدك عبر الإنترنت أو عبر تطبيق الهاتف الخاص ببنك أم درمان الوطني.",
    "lost_card": "في حالة فقدان البطاقة، اتصل بالرقم 249-123-456-789 فورًا.",
    "loan": "شروط القرض تشمل الحد الأدنى للدخل (5000 جنيه سوداني) وتاريخ ائتماني جيد.",
    "transfer": "لتحويل الأموال، استخدم تطبيق الهاتف أو الخدمة المصرفية عبر الإنترنت.",
    "new_account": "لفتح حساب جديد، قم بزيارة أقرب فرع مع جواز سفرك أو هويتك الوطنية.",
    "interest_rates": "أسعار الفائدة على الودائع تتراوح بين 5% إلى 10% سنويًا.",
    "branches": "فروعنا موجودة في أم درمان، الخرطوم، وبورتسودان. زيارة موقعنا للتفاصيل.",
    "working_hours": "ساعات العمل من 8 صباحًا إلى 3 مساءً من الأحد إلى الخميس.",
    "contact": "الاتصال بنا على الرقم 249-123-456-789 أو عبر البريد الإلكتروني [email protected]."
}

# Map intents to responses
INTENT_TO_RESPONSE = {
    "balance": "balance",
    "lost_card": "lost_card",
    "loan": "loan",
    "transfer": "transfer",
    "new_account": "new_account",
    "interest_rates": "interest_rates",
    "branches": "branches",
    "working_hours": "working_hours",
    "contact": "contact"
}

# Set up logging for analytics
logging.basicConfig(filename='chatbot_queries.log', level=logging.INFO)

def classify_intent(message: str):
    # Use NLP model to classify the user's intent
    result = intent_classifier(message)
    intent = result[0]['label']
    return INTENT_TO_RESPONSE.get(intent, "unknown")

def respond(message: str, history: list):
    # Log the query
    logging.info(f"Query: {message}")
    
    # Check for "Back to Menu" keyword
    if "القائمة" in message or "menu" in message.lower():
        return history + [[message, "تم العودة إلى القائمة الرئيسية."]]
    
    # Classify the user's intent using NLP
    intent = classify_intent(message)
    
    # If intent is recognized, return the corresponding response
    if intent != "unknown":
        response = ONB_GUIDELINES.get(intent, "عذرًا، لم يتم التعرف على الخيار المحدد.")
        return history + [[message, response]]
    
    # Fallback to keyword matching if NLP doesn't recognize the intent
    for keyword, key in INTENT_TO_RESPONSE.items():
        if keyword in message:
            response = ONB_GUIDELINES.get(key, "عذرًا، لم يتم التعرف على الخيار المحدد.")
            return history + [[message, response]]
    
    # Default response if no intent or keyword is matched
    response = "عذرًا، لم أفهم سؤالك. الرجاء إعادة الصياغة أو كتابة 'القائمة' للعودة إلى القائمة الرئيسية."
    return history + [[message, response]]

# Main menu with submenus
main_menu = {
    "الحسابات": ["التحقق من الرصيد", "فتح حساب جديد"],
    "القروض": ["شروط الحصول على قرض", "أسعار الفائدة"],
    "الفروع": ["فروع البنك", "ساعات العمل"],
    "الدعم": ["الإبلاغ عن فقدان البطاقة", "الاتصال بالبنك"]
}

# Omdurman National Bank-specific interface
with gr.Blocks(css=".gradio-container {direction: rtl;}") as demo:
    gr.Markdown("# <center>بنك أم درمان الوطني - المساعد المصرفي</center>")
    
    with gr.Tab("المحادثة"):
        gr.Markdown("## اختر أحد الخيارات التالية أو اكتب سؤالك:")
        
        # Chat interface
        chatbot = gr.ChatInterface(
            respond,
            examples=[
                "كيف يمكنني التحقق من رصيدي؟",  # Check balance
                "أريد الإبلاغ عن فقدان بطاقتي",  # Report lost card
                "ما هي شروط الحصول على قرض؟",  # Loan eligibility
                "ما هي ساعات العمل؟",  # Working hours
                "أين يوجد أقرب فرع؟"  # Branch locations
            ]
        )
    
    with gr.Tab("القائمة الرئيسية"):
        gr.Markdown("## القائمة الرئيسية")
        for category, options in main_menu.items():
            with gr.Accordion(category):
                for option in options:
                    gr.Button(option).click(
                        fn=lambda opt=option: respond(opt, []),
                        outputs=chatbot.chatbot
                    )

if __name__ == "__main__":
    demo.launch(
        server_name="0.0.0.0",
        server_port=7860,
        share=True  # Enable public link
    )