Update app.py

app.py

@@ -13,10 +13,7 @@ rdrsegmenter = py_vncorenlp.VnCoreNLP(annotators=["wseg"], save_dir='/home/user/
 
 class MyPipeline(TokenClassificationPipeline):
   def preprocess(self, sentence, offset_mapping=None):
-      truncation = True if self.tokenizer.model_max_length and self.tokenizer.model_max_length > 0 else False
-      
-      sentence = " ".join(rdrsegmenter.word_segment(sentence))
-
+      truncation = True if self.tokenizer.model_max_length and self.tokenizer.model_max_length > 0 else False 
       
       model_inputs = self.tokenizer(
           sentence,
@@ -57,10 +54,12 @@ my_classifier = pipeline(
 import gradio as gr
 
 def ner(text):
+  text = " ".join(rdrsegmenter.word_segment(text))
+    
   output = my_classifier(text)
   for entity in output:
     entity['entity'] = entity.pop('entity_group')
-  return {'text': text, 'entities': output}
+  return {'text': text, 'entities': output}, text
 
 examples = ['tôi cần thuê à tôi muốn bay một chuyến khứ_hồi từ đà_nẵng đến đà_lạt', 
             'giá vé một_chiều à không khứ_hồi từ đà_nẵng đến vinh dưới 2 triệu đồng giá vé khứ_hồi từ quy nhơn đến vinh dưới 3 triệu đồng giá vé khứ_hồi từ buôn_ma_thuột đến quy nhơn à đến vinh dưới 4 triệu rưỡi', 
@@ -70,7 +69,7 @@ examples = ['tôi cần thuê à tôi muốn bay một chuyến khứ_hồi từ
 
 demo = gr.Interface(ner, 
                     gr.Textbox(label='Text', placeholder="Enter sentence here..."),
-                    gr.HighlightedText(label='Highlighted Output'),
+                    outputs=[gr.HighlightedText(label='Highlighted Output'), 'text'],
                     examples=examples,
                     title="Disfluency Detection",
                     description="This is an easy-to-use built in Gradio for desmontrating a NER System that identifies disfluency-entities in \