Create app.py

app.py

@@ -0,0 +1,50 @@
+import gradio as gr
+import numpy as np
+import tensorflow as tf
+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")
+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:
+    tokenizer = pickle.load(f)
+
+# طول التسلسل (من وقت التدريب)
+max_len = 100
+
+# أسماء التصنيفات
+class_names = ['Negative', 'Positive']
+
+# -------- 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 --------
+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"
+)
+
+interface.launch()