import streamlit as st from streamlit.logger import get_logger from transformers import pipeline import datasets import pandas as pd from huggingface_hub import login LOGGER = get_logger(__name__) @st.cache_data def get_df() ->object: ds = datasets.load_dataset('sivan22/orach-chaim') df = ds['train'].to_pandas() def clean(s)->str: return s.replace(" ","") df['seif']= df['seif'].apply(clean) return df @st.cache_resource def get_model()->object: model = "sivan22/halacha-siman-seif-classifier" classifier = pipeline("text-classification",model=model,top_k=None) return classifier def get_predicts(classifier,input)->str: predicts = classifier(input) return predicts def run(): st.set_page_config( page_title="חיפוש חכם בשולחן ערוך", page_icon="", ) st.write("# חיפוש חכם בשולחן ערוך") classifier = get_model() df = get_df() user_input = st.text_input('כתוב כאן את שאלתך', placeholder='כמה נרות מדליקים בכל לילה מלילות החנוכה') num_of_results = st.sidebar.slider('מספר התוצאות שברצונך להציג:',1,25,5) if st.button('חפש') and user_input!="": for prediction in get_predicts(classifier,user_input)[0][:num_of_results]: siman = prediction['label'].split(' ')[0] seif = prediction['label'].split(' ')[1] rows = df[((df["bookname"] == " שלחן ערוך - אורח חיים ") | (df["bookname"] ==" משנה ברורה")) & (df["siman"] == siman) & (df["seif"] == seif) ] rows = rows.sort_values(["bookname"],ascending=False) st.write(('סימן ' + siman + ' סעיף ' + seif), rows[['text','bookname','sek','seif','siman',]]) if __name__ == "__main__": run()