Update src/streamlit_app.py

src/streamlit_app.py

@@ -4,8 +4,8 @@ import pandas as pd
 from transformers import pipeline
 import joblib
 from offensive_keywords import offensive_keywords
-st.write(f"🔎 تم تحميل {len(offensive_keywords)} عبارة من الملف.")
 
+st.write(f"🔎 تم تحميل {len(offensive_keywords)} عبارة من الملف.")
 
 # ✅ إعداد التخزين المؤقت للنماذج
 os.environ["HF_HOME"] = "/tmp"
@@ -75,17 +75,36 @@ with col2:
 # ✅ إدخال الإعلان
 uploaded_text = st.text_area("✍️ أدخل نص الإعلان هنا:", height=150)
 
-# ✅ نموذج التصنيف
-st.subheader("📊 تصنيف الإعلان")
-
+# ✅ تصنيف الإعلان + فحص العبارات في نفس الوقت
 if uploaded_text:
     try:
+        # تصنيف النموذج ML
         pred = classifier.predict([uploaded_text])[0]
-        label = "✅ إعلان سليم" if pred == 1 else "❌ إعلان مخالف"
-        st.markdown(f'<div class="metric-container"><h4>{label}</h4></div>', unsafe_allow_html=True)
+        ml_label = "✅ إعلان سليم" if pred == 1 else "❌ إعلان مخالف"
+        
+        # فحص العبارات المخالفة
+        violations = [kw for kw in offensive_keywords if kw in uploaded_text]
+        has_violations = len(violations) > 0
+
+        # منطق التصنيف النهائي
+        if has_violations:
+            final_label = "❌ إعلان مخالف (عبارات)"
+        elif pred == 1:
+            final_label = "✅ إعلان سليم"
+        else:
+            final_label = "❌ إعلان مخالف"
+
+        # ✅ عرض التصنيف النهائي
+        st.markdown(f'<div class="metric-container"><h4>{final_label}</h4></div>', unsafe_allow_html=True)
+
+        # ✅ عرض تنبيه إن كان فيه تعارض منطقي
+        if has_violations and pred == 1:
+            st.warning("⚠️ تم تصنيفه كـ 'إعلان سليم' حسب النموذج، لكنه يحتوي على عبارات قد تُعد مخالفة.")
+
     except Exception as e:
         st.error(f"حدث خطأ في التنبؤ: {str(e)}")
 
+# ✅ تحليل العبارات (تفصيل العبارات المخالفة + نسبة)
 if st.button("🔍 تحليل العبارات"):
     if uploaded_text:
         violations = [kw for kw in offensive_keywords if kw in uploaded_text]