app.py

import csv
from pathlib import Path

import gradio as gr
import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer
from pyvi import ViTokenizer  # PhoBERT cần phân tách từ tiếng Việt

# 1. Đường dẫn tuyệt đối đến thư mục chứa các file model
BASE_DIR = Path(__file__).resolve().parent
MODEL_DIR = BASE_DIR / "model"
LABELS_CSV = BASE_DIR / "symptom2disease_vi.csv"

if not MODEL_DIR.exists():
    raise FileNotFoundError(f"Model directory not found: {MODEL_DIR}")

# Prefer local tokenizer files if present; otherwise fallback to base PhoBERT tokenizer.
tokenizer_files = ["bpe.codes", "merges.txt", "tokenizer.json"]
has_tokenizer_files = any((MODEL_DIR / name).exists() for name in tokenizer_files)

if has_tokenizer_files:
    tokenizer = AutoTokenizer.from_pretrained(MODEL_DIR, local_files_only=True)
else:
    tokenizer = AutoTokenizer.from_pretrained("vinai/phobert-base")

model = AutoModelForSequenceClassification.from_pretrained(MODEL_DIR, local_files_only=True)

def load_label_list(csv_path: Path):
    if not csv_path.exists():
        return None
    with csv_path.open("r", encoding="utf-8", newline="") as handle:
        reader = csv.DictReader(handle)
        labels = [row.get("label", "").strip() for row in reader if row.get("label")]
    if not labels:
        return None
    # Mimic sklearn LabelEncoder: sorted unique labels.
    return sorted(set(labels))

label_list = load_label_list(LABELS_CSV)
if label_list and len(label_list) == model.config.num_labels:
    model.config.id2label = {idx: name for idx, name in enumerate(label_list)}
    model.config.label2id = {name: idx for idx, name in enumerate(label_list)}

# Đưa model vào chế độ đánh giá (evaluation mode)
model.eval()

def predict_disease(text):
    # Bước A: Tiền xử lý văn bản (Phân tách từ cho tiếng Việt)
    text_segmented = ViTokenizer.tokenize(text)
    
    # Bước B: Mã hóa văn bản đầu vào
    inputs = tokenizer(
        text_segmented, 
        return_tensors="pt", 
        truncation=True, 
        max_length=256, 
        padding='max_length'
    )
    
    # Bước C: Thực hiện dự đoán
    with torch.no_grad():
        outputs = model(**inputs)
        
    # Bước D: Lấy kết quả có xác suất cao nhất (Logits -> Softmax -> Argmax)
    logits = outputs.logits
    prediction = torch.argmax(logits, dim=-1).item()
    
    # Bước E: Ánh xạ ID sang nhãn tên bệnh (nếu bạn đã lưu id2label trong config)
    id2label = model.config.id2label or {}
    label = id2label.get(prediction) or id2label.get(str(prediction), f"LABEL_{prediction}")
    
    # Tính xác suất (confidence score)
    probs = torch.nn.functional.softmax(logits, dim=-1)
    confidence = torch.max(probs).item()
    
    return label, confidence

def predict_for_ui(text):
    if not text or not text.strip():
        return "", 0.0
    label, confidence = predict_disease(text.strip())
    return label, round(confidence, 4)

demo = gr.Interface(
    fn=predict_for_ui,
    inputs=gr.Textbox(lines=4, label="Symptoms (Vietnamese)"),
    outputs=[
        gr.Textbox(label="Predicted disease"),
        gr.Number(label="Confidence"),
    ],
    title="Symptom to Disease Predictor",
    description="Enter symptoms in Vietnamese to get a predicted disease label.",
)

if __name__ == "__main__":
    demo.launch()