Update README.md

README.md

@@ -29,8 +29,9 @@ import torch
 import re
 from collections import Counter
 
+#LOAD MODEL
 MODEL_ID = "Sengil/t5-turkish-aspect-term-extractor"
-DEVICE = "cpu"
+DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
 
 tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
 model = AutoModelForSeq2SeqLM.from_pretrained(MODEL_ID).to(DEVICE)
@@ -67,13 +68,12 @@ def extract_and_rank_aspects(text, max_tokens=64, beams=5):
         for output in outputs
     ]
 
-    # Hepsinden aspect adaylarını topla
+
     all_terms = []
     for pred in all_predictions:
         candidates = re.split(r"[;,–—\-]|(?:\s*,\s*)", pred)
         all_terms.extend([w.strip().lower() for w in candidates if is_valid_aspect(w)])
 
-    # Sıklığa göre sırala
     ranked = Counter(all_terms).most_common()
     return ranked
 
@@ -82,7 +82,7 @@ def extract_and_rank_aspects(text, max_tokens=64, beams=5):
 text = "Artılar: Göl manzarasıyla harika bir atmosfer, Ipoh'un her zaman sıcak olan havası nedeniyle iyi bir klima olan restoran, iyi ve hızlı hizmet sunan garsonlar, temassız ödeme kabul eden e-cüzdan, ücretsiz otopark ama sıcak güneş altında açık, yemeklerin tadı güzel."
 ranked_aspects = extract_and_rank_aspects(text)
 
-print("Sıralanmış Aspect Terimleri:")
+print("Sorted Aspect Terms:")
 for term, score in ranked_aspects:
     print(f"{term:<15}  skor: {score}")
 ````
@@ -90,7 +90,7 @@ for term, score in ranked_aspects:
 **Output:**
 
 ```
-Sıralanmış Aspect Terimleri:
+Sorted Aspect Terms:
 atmosfer         skor: 1
 servis           skor: 1
 restoran         skor: 1