Upload app.py

app.py

@@ -0,0 +1,111 @@
+import streamlit as st
+import pandas as pd
+from transformers import AutoModelForSequenceClassification, AutoTokenizer
+import torch
+import random
+import matplotlib.pyplot as plt
+
+# Set Streamlit layout to wide
+st.set_page_config(layout="wide")
+
+# Load the model and tokenizer
+model_name = 'dejanseo/BERTic-sentiment'
+model = AutoModelForSequenceClassification.from_pretrained(model_name)
+tokenizer = AutoTokenizer.from_pretrained(model_name)
+
+# Predefined sentences for testing
+predefined_sentences = [
+    "Veseli me što mogu podijeliti vijest da smo danas otvorili novu poslovnicu u centru grada, što će sigurno olakšati dostupnost našim klijentima.",
+    "Danas je objavljen izvještaj o prometnoj situaciji u gradu, koji pokazuje blagi pad broja nesreća u odnosu na prošli mjesec.",
+    "S velikom tugom moram objaviti da je naša tvrtka pretrpjela značajne gubitke u posljednjem tromjesečju, što će rezultirati otpuštanjima.",
+    "Uživao sam čitajući novi članak o inovacijama u tehnologiji, koji pokazuje koliko brzo napredujemo u ovom području.",
+    "Jutros je objavljena nova vremenska prognoza koja predviđa stabilne temperature tijekom tjedna.",
+    "Nažalost, moram podijeliti da je moja recenzija najnovijeg filma izrazito negativna zbog loše izvedbe glavnih glumaca i slabe radnje.",
+    "S velikim zadovoljstvom najavljujemo lansiranje našeg novog proizvoda, koji je rezultat višegodišnjeg istraživanja i razvoja.",
+    "Na stranici je objavljena nova studija koja analizira utjecaj društvenih mreža na mlade.",
+    "Razočaran sam što moram reći da je kvaliteta usluge u našem lokalnom restoranu značajno opala u posljednje vrijeme.",
+    "Presretan sam što mogu podijeliti da smo osvojili prestižnu nagradu za inovativnost u poslovanju, što je velika čast za naš tim.",
+    "U današnjem broju novina možete pronaći intervju s poznatim autorom koji govori o svojoj najnovijoj knjizi.",
+    "Uz veliko nezadovoljstvo moram reći da su nedavne promjene u zakonodavstvu dovele do mnogih poteškoća za male poduzetnike.",
+    "Jako me veseli što smo uspjeli završiti naš projekt prije roka i s izvanrednim rezultatima.",
+    "Danas je na blogu objavljen članak o važnosti zdrave prehrane u svakodnevnom životu.",
+    "Sa žaljenjem moram objaviti da su najnovije vijesti o ekonomskoj situaciji izrazito nepovoljne za naš sektor.",
+    "S velikom radošću najavljujem da će se održati besplatni online seminar o najnovijim trendovima u digitalnom marketingu.",
+    "Današnje vijesti donose pregled najvažnijih događaja iz svijeta sporta.",
+    "Nažalost, moram podijeliti da su naši napori za prikupljanje sredstava za dobrotvorne svrhe naišli na neočekivane prepreke.",
+    "Uzbuđen sam što mogu podijeliti da smo postigli novi rekord u prodaji naših proizvoda ovog kvartala.",
+    "Na web stranici je objavljena nova analiza tržišta koja pokazuje stabilan rast u sektoru nekretnina.",
+    "S velikim razočaranjem moram reći da su korisničke recenzije našeg najnovijeg proizvoda izrazito negativne.",
+    "S velikim ponosom objavljujemo da je naš tim osvojio prvu nagradu na međunarodnom natjecanju inovacija.",
+    "Danas je na portalu objavljen članak o najnovijim trendovima u modnoj industriji.",
+    "Duboko sam razočaran što moram reći da su naši napori za poboljšanje usluga naišli na ozbiljne izazove.",
+    "Presretan sam što mogu podijeliti da smo ostvarili značajan napredak u istraživanju novih tehnologija.",
+    "Na stranici su objavljeni rezultati ankete o zadovoljstvu korisnika uslugama javnog prijevoza.",
+    "S velikim žaljenjem moram objaviti da su najnoviji financijski izvještaji pokazali gubitke koji će utjecati na naše poslovanje.",
+    "Veseli me što mogu podijeliti da smo dobili pohvale za naš rad na međunarodnoj konferenciji.",
+    "U današnjem izdanju časopisa možete pročitati pregled najnovijih znanstvenih istraživanja.",
+    "S tugom moram reći da su naši planovi za proširenje poslovanja trenutno na čekanju zbog nepredviđenih okolnosti."
+]
+
+# Streamlit interface
+st.title("Croatian Sentiment Analysis by DEJAN")
+st.write("BERTic-based Croatian language text classification transformer fine-tuned for sentence-level sentiment analysis. Developed and released by [Dejan Marketing](https://dejanmarketing.com/)")
+
+sentence = st.text_input("Enter a sentence for sentiment analysis:")
+
+if st.button("Predict"):
+    if sentence:
+        inputs = tokenizer(sentence, return_tensors="pt", truncation=True, padding=True, max_length=128)
+        with torch.no_grad():
+            outputs = model(**inputs)
+        logits = outputs.logits
+        probabilities = torch.nn.functional.softmax(logits, dim=-1).flatten().tolist()
+        prediction = torch.argmax(logits, dim=-1).item()
+        
+        # Map the prediction to sentiment labels (assuming 0: Positive, 1: Neutral, 2: Negative)
+        sentiment = {0: "Positive", 1: "Neutral", 2: "Negative"}
+        st.write(f"Prediction: {sentiment[prediction]}")
+        
+        # Display probabilities
+        st.write("Probabilities:")
+        for i, label in sentiment.items():
+            st.write(f"{label}: {probabilities[i]*100:.2f}%")
+        
+        # Plot probabilities
+        labels = [sentiment[i] for i in range(3)]
+        plt.figure(figsize=(8, 4))
+        plt.bar(labels, probabilities, color=['green', 'blue', 'red'])
+        plt.xlabel('Sentiment')
+        plt.ylabel('Probability')
+        plt.title('Sentiment Probabilities')
+        st.pyplot(plt)
+    else:
+        st.write("Please enter a sentence.")
+
+if st.button("Test a random sentence"):
+    sentence = random.choice(predefined_sentences)
+    st.write(f"Random sentence: {sentence}")
+    inputs = tokenizer(sentence, return_tensors="pt", truncation=True, padding=True, max_length=128)
+    with torch.no_grad():
+        outputs = model(**inputs)
+    logits = outputs.logits
+    probabilities = torch.nn.functional.softmax(logits, dim=-1).flatten().tolist()
+    prediction = torch.argmax(logits, dim=-1).item()
+    
+    # Map the prediction to sentiment labels (assuming 0: Positive, 1: Neutral, 2: Negative)
+    sentiment = {0: "Positive", 1: "Neutral", 2: "Negative"}
+    st.write(f"Prediction: {sentiment[prediction]}")
+    
+    # Display probabilities
+    st.write("Probabilities:")
+    for i, label in sentiment.items():
+        st.write(f"{label}: {probabilities[i]*100:.2f}%")
+    
+    # Plot probabilities
+    labels = [sentiment[i] for i in range(3)]
+    plt.figure(figsize=(8, 4))
+    plt.bar(labels, probabilities, color=['green', 'blue', 'red'])
+    plt.xlabel('Sentiment')
+    plt.ylabel('Probability')
+    plt.title('Sentiment Probabilities')
+    st.pyplot(plt)