Update src/streamlit_app.py

src/streamlit_app.py

@@ -3,37 +3,37 @@ from transformers import AutoTokenizer, AutoModelForSequenceClassification
 import torch
 import pandas as pd
 
-st.set_page_config(page_title="Analyse de Sentiment", page_icon="📊", layout="wide")
+st.set_page_config(page_title="Sentiment Analysis", layout="wide")
+
+st.title("Welcome to the Sentiment Analyzer")
+st.write("**Note**: All reviews must be entered in English.")
 
-st.title("📊 Analyse de Sentiment - Modèle Fusionné")
-st.write("Application d'analyse de sentiment optimisée avec RoBERTa (Merged Model).")
 
-# Chargement direct et simple (vu que le modèle est fusionné avec son tokenizer)
 @st.cache_resource
 def load_model():
-    # L'identifiant exact de ton dépôt sur Hugging Face
+  
     model_id = "Diary14/roberta-sentiment-lora"  
     
-    # Hugging Face va trouver le tokenizer et le modèle dans le même dossier
+   
     tokenizer = AutoTokenizer.from_pretrained(model_id)
     model = AutoModelForSequenceClassification.from_pretrained(model_id)
     return tokenizer, model
 
-with st.spinner("Chargement du modèle fusionné en cours..."):
+with st.spinner("Loading model"):
     tokenizer, model = load_model()
 
-# Zone de saisie
+
 user_input = st.text_area(
-    "Entrez vos avis (un avis par ligne) :",
-    placeholder="Exemple :\nCe produit est top !\nJe n'aime pas du tout...",
+    "Enter reviews here :",
+    placeholder="Example :\nThis product is amazing!\nI really don't like it....",
     height=200
 )
 
-if st.button("Analyser les avis"):
+if st.button("Analyze reviews"):
     lines = [line.strip() for line in user_input.split("\n") if line.strip() != ""]
     
     if not lines:
-        st.warning("Veuillez entrer au moins un texte.")
+        st.warning("Please enter at least one review.")
     else:
         inputs = tokenizer(lines, return_tensors="pt", truncation=True, padding=True)
         
@@ -45,8 +45,8 @@ if st.button("Analyser les avis"):
         
         results = []
         for text, pred in zip(lines, predictions):
-            sentiment = "POSITIF ✨" if pred == 1 else "NÉGATIF 🚨"
-            results.append({"Texte/Avis": text, "Sentiment": sentiment})
+            sentiment = "Positive review" if pred == 1 else "Negative review"
+            results.append({"Text/Review": text, "Sentiment": sentiment})
         
         df = pd.DataFrame(results)
         st.dataframe(df, use_container_width=True)