Update app.py

app.py

@@ -1,50 +1,49 @@
 import gradio as gr
-import numpy as np
 import tensorflow as tf
+import numpy as np
+import pickle
 from huggingface_hub import hf_hub_download
 from tensorflow.keras.preprocessing.sequence import pad_sequences
-import pickle
-
-# -------- تحميل النموذج --------
 
-# تحميل النموذج من Hugging Face
-model_path = hf_hub_download(repo_id="ahmedyoussef1/Asentement_analysis_rnn", filename="rnn_Bi.h5")
+# -------------------------------
+# تحميل الموديل من Hugging Face
+model_path = hf_hub_download(
+    repo_id="ahmedyoussef1/Asentement_analysis_rnn",
+    filename="rnn_Bi.h5"
+)
 model = tf.keras.models.load_model(model_path)
 
-# تحميل tokenizer
-tokenizer_path = hf_hub_download(repo_id="ahmedyoussef1/sentiment_rnn", filename="tokenizer.pkl")
-with open(tokenizer_path, 'rb') as f:
+# 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)
 
-# طول التسلسل (من وقت التدريب)
-max_len = 100
+# إعدادات البيانات
+MAX_LEN = 100  # لازم تكون نفس الطول اللي استخدمته أثناء التدريب
 
-# أسماء التصنيفات
-class_names = ['Negative', 'Positive']
-
-# -------- دالة التنبؤ --------
+# -------------------------------
+# دالة التنبؤ
 def predict_sentiment(text):
-    sequence = tokenizer.texts_to_sequences([text])
-    padded = pad_sequences(sequence, maxlen=max_len, padding='post')
-    
-    prediction = model.predict(padded)[0][0]  # لأنه binary: توقع قيمة واحدة بين 0 و 1
-    
-    # نسبة الاحتمال
-    result = {
-        "Negative": float(1 - prediction),
-        "Positive": float(prediction)
-    }
-    
-    return result
-
-# -------- واجهة Gradio --------
+    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})"
+
+# -------------------------------
+# واجهة Gradio
 interface = gr.Interface(
     fn=predict_sentiment,
-    inputs=gr.Textbox(lines=3, placeholder="اكتب جملة لتحليل المشاعر..."),
-    outputs=gr.Label(num_top_classes=2),
-    title="تحليل المشاعر باستخدام Bi-RNN",
-    description="ادخل جملة وسيتم تصنيفها كـ مشاعر إيجابية أو سلبية باستخدام نموذج Bi-RNN.",
-    allow_flagging="never"
+    inputs=gr.Textbox(lines=3, placeholder="Enter a sentence..."),
+    outputs="text",
+    title="Sentiment Analysis with Bi-RNN",
+    description="Enter a sentence and the model will predict its sentiment (Positive or Negative)."
 )
 
-interface.launch()
+# -------------------------------
+# تشغيل التطبيق
+if __name__ == "__main__":
+    interface.launch()