Update app.py

app.py

@@ -1,49 +1,44 @@
 import gradio as gr
 import tensorflow as tf
-import numpy as np
-import pickle
+from transformers import BertTokenizer
 from huggingface_hub import hf_hub_download
-from tensorflow.keras.preprocessing.sequence import pad_sequences
+import numpy as np
 
-# -------------------------------
-# تحميل الموديل من Hugging Face
-model_path = hf_hub_download(
-    repo_id="ahmedyoussef1/Asentement_analysis_rnn",
-    filename="rnn_Bi.h5"
-)
+# تحميل موديل Bi-RNN من الريبو
+model_path = hf_hub_download(repo_id="ahmedyoussef1/Asentement_analysis_rnn", filename="rnn_Bi.h5")
 model = tf.keras.models.load_model(model_path)
 
-# تحميل الـ tokenizer
-tokenizer_path = hf_hub_download(
-    repo_id="ahmedyoussef1/Asentement_analysis_rnn",
-    filename="tokenizer.pkl"
-)
-with open(tokenizer_path, "rb") as f:
-    tokenizer = pickle.load(f)
-
-# إعدادات البيانات
-MAX_LEN = 100  # لازم تكون نفس الطول اللي استخدمته أثناء التدريب
+# تحميل التوكنيزر من الريبو (دي مجلد التوكنيزر اللي فيه vocab.txt وغيرها)
+tokenizer_dir = hf_hub_download(repo_id="ahmedyoussef1/Asentement_analysis_rnn", filename="vocab.txt").rsplit('/', 1)[0]
+tokenizer = BertTokenizer.from_pretrained(tokenizer_dir)
 
-# -------------------------------
-# دالة التنبؤ
+# دالة لتحضير النص و توقع النتيجة
 def predict_sentiment(text):
-    seq = tokenizer.texts_to_sequences([text])
-    padded = pad_sequences(seq, maxlen=MAX_LEN, padding='post', truncating='post')
-    prediction = model.predict(padded)[0][0]
-    sentiment = "Positive (1)" if prediction >= 0.5 else "Negative (0)"
-    return f"Sentiment: {sentiment} (Confidence: {prediction:.2f})"
+    # توكنيز النص
+    tokens = tokenizer.encode_plus(
+        text,
+        max_length=100,   # اختار طول مناسب لنصك
+        padding='max_length',
+        truncation=True,
+        return_tensors='tf'
+    )
+    
+    # التنبؤ
+    prediction = model.predict(tokens['input_ids'])
+    
+    # افتراضيا 0 أو 1 (سلبي أو إيجابي)
+    pred_label = int(np.round(prediction[0][0]))
+    label_map = {0: "Negative", 1: "Positive"}
+    return label_map.get(pred_label, "Unknown")
 
-# -------------------------------
 # واجهة Gradio
-interface = gr.Interface(
+iface = gr.Interface(
     fn=predict_sentiment,
-    inputs=gr.Textbox(lines=3, placeholder="Enter a sentence..."),
+    inputs=gr.Textbox(lines=3, placeholder="اكتب نص هنا..."),
     outputs="text",
     title="Sentiment Analysis with Bi-RNN",
-    description="Enter a sentence and the model will predict its sentiment (Positive or Negative)."
+    description="ادخل جملة لتحليل المشاعر إلى إيجابية أو سلبية"
 )
 
-# -------------------------------
-# تشغيل التطبيق
 if __name__ == "__main__":
-    interface.launch()
+    iface.launch()