Upload app.py with huggingface_hub

app.py

@@ -0,0 +1,125 @@
+from flask import Flask, request, jsonify
+import joblib
+import numpy as np
+from sklearn.feature_extraction.text import TfidfVectorizer
+import re
+
+app = Flask(__name__)
+
+# تحميل النموذج والمكونات
+print("Loading model components...")
+model = joblib.load("model.pkl")
+vectorizer = joblib.load("vectorizer.pkl")
+label_encoder = joblib.load("label_encoder.pkl")
+print("Model loaded successfully!")
+
+def preprocess_text(text):
+    """تنظيف النص قبل التصنيف"""
+    text = text.lower()
+    text = re.sub(r'[^a-zA-Z\s]', ' ', text)
+    text = re.sub(r'\s+', ' ', text)
+    return text.strip()
+
+@app.route('/predict', methods=['POST'])
+def predict():
+    """نقطة النهاية للتنبؤ"""
+    try:
+        # الحصول على البيانات
+        data = request.get_json()
+
+        if 'text' not in data:
+            return jsonify({'error': 'No text provided'}), 400
+
+        text = data['text']
+
+        # المعالجة المسبقة
+        processed_text = preprocess_text(text)
+
+        # تحويل النص إلى ميزات
+        features = vectorizer.transform([processed_text])
+
+        # التنبؤ
+        prediction = model.predict(features)[0]
+        sentiment = label_encoder.inverse_transform([prediction])[0]
+
+        # الحصول على احتمالية التصنيف إذا كانت متاحة
+        confidence = 0.85  # قيمة افتراضية
+        if hasattr(model, 'predict_proba'):
+            proba = model.predict_proba(features)
+            confidence = np.max(proba) * 100
+
+        # إرجاع النتيجة
+        result = {
+            'text': text,
+            'sentiment': sentiment,
+            'confidence': float(confidence),
+            'status': 'success'
+        }
+
+        return jsonify(result), 200
+
+    except Exception as e:
+        return jsonify({'error': str(e), 'status': 'error'}), 500
+
+@app.route('/batch_predict', methods=['POST'])
+def batch_predict():
+    """نقطة النهاية للتنبؤ المجمّع"""
+    try:
+        data = request.get_json()
+
+        if 'texts' not in data:
+            return jsonify({'error': 'No texts provided'}), 400
+
+        texts = data['texts']
+
+        if not isinstance(texts, list):
+            return jsonify({'error': 'Texts must be a list'}), 400
+
+        results = []
+        for text in texts:
+            processed_text = preprocess_text(text)
+            features = vectorizer.transform([processed_text])
+            prediction = model.predict(features)[0]
+            sentiment = label_encoder.inverse_transform([prediction])[0]
+
+            if hasattr(model, 'predict_proba'):
+                proba = model.predict_proba(features)
+                confidence = np.max(proba) * 100
+            else:
+                confidence = 85.0
+
+            results.append({
+                'text': text[:100] + '...' if len(text) > 100 else text,
+                'sentiment': sentiment,
+                'confidence': float(confidence)
+            })
+
+        return jsonify({
+            'results': results,
+            'count': len(results),
+            'status': 'success'
+        }), 200
+
+    except Exception as e:
+        return jsonify({'error': str(e), 'status': 'error'}), 500
+
+@app.route('/health', methods=['GET'])
+def health():
+    """نقطة النهاية للتحقق من صحة الخدمة"""
+    return jsonify({'status': 'healthy', 'model': str(type(model).__name__)}), 200
+
+@app.route('/')
+def home():
+    """الصفحة الرئيسية"""
+    return '''
+    <h1>📚 Amazon Books Sentiment Analysis API</h1>
+    <p>استخدم نقاط النهاية التالية:</p>
+    <ul>
+        <li><code>POST /predict</code> - تحليل مشاعر مراجعة واحدة</li>
+        <li><code>POST /batch_predict</code> - تحليل مجموعة مراجعات</li>
+        <li><code>GET /health</code> - التحقق من صحة الخدمة</li>
+    </ul>
+    '''
+
+if __name__ == '__main__':
+    app.run(host='0.0.0.0', port=5000, debug=True)