app.py

from transformers import pipeline, AutoTokenizer, AutoModelForSequenceClassification
import gradio as gr

# Load Model Pre-trained (BERT)
MODEL_NAME = "indobenchmark/indobert-base-p2"
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME)
model = AutoModelForSequenceClassification.from_pretrained(MODEL_NAME, num_labels=2)

# Pipeline untuk prediksi teks
classifier = pipeline("text-classification", model=model, tokenizer=tokenizer)

# Fungsi Chatbot
def chatbot_respon(user_input):
    # Predefined responses based on intent
    predefined_responses = {
        "halo": "Hai juga! Ada yang bisa aku bantu?",
        "apa kabar": "Aku baik, bagaimana dengan kamu?",
        "siapa namamu": "Aku adalah IndoBot AI, teman bicaramu.",
        "ceritakan lelucon": "Kenapa ayam menyeberang jalan? Untuk ke sisi lain!"
    }
    # Cari respons di predefined
    for key, response in predefined_responses.items():
        if key in user_input.lower():
            return response

    # Jika tidak ada di predefined, gunakan model
    prediction = classifier(user_input)[0]
    label = prediction['label']
    confidence = prediction['score']

    if confidence > 0.7:  # Threshold confidence
        if label == "LABEL_0":
            return "Aku tidak yakin dengan pertanyaanmu, bisakah kamu menjelaskannya lebih lanjut?"
        elif label == "LABEL_1":
            return "Tentu! Aku bisa membantu menjelaskan topik ini lebih jauh."

    return "Maaf, aku tidak mengerti pertanyaanmu."

# Gradio Interface
interface = gr.Interface(
    fn=chatbot_respon, 
    inputs=gr.Textbox(lines=2, placeholder="Tanyakan sesuatu..."),
    outputs="text",
    title="IndoBot AI - Lebih Pintar",
    description="IndoBot AI adalah chatbot berbasis bahasa Indonesia dengan pemahaman lebih mendalam. Tanyakan sesuatu!"
)

if __name__ == "__main__":
    interface.launch()