Update app.py

app.py

@@ -2,7 +2,7 @@ import gradio as gr
 from transformers import (
     AutoTokenizer, AutoModelForTokenClassification,
     AutoModelForSequenceClassification,
-    MarianMTModel, MarianTokenizer
+    pipeline
 )
 import torch
 
@@ -15,21 +15,182 @@ aspect_model = AutoModelForTokenClassification.from_pretrained("EfektMotyla/bert
 sentiment_tokenizer = AutoTokenizer.from_pretrained("EfektMotyla/absa-roberta")
 sentiment_model = AutoModelForSequenceClassification.from_pretrained("EfektMotyla/absa-roberta").to(device)
 
-en_to_pl_tokenizer = MarianTokenizer.from_pretrained("gsarti/opus-mt-tc-en-pl")
-en_to_pl_model = MarianMTModel.from_pretrained("gsarti/opus-mt-tc-en-pl").to(device)
+# === Lżejsze tłumaczenie Hugging Face pipeline ===
+pl_to_en_translator = pipeline("translation", model="Helsinki-NLP/opus-mt-pl-en", device=0 if torch.cuda.is_available() else -1)
+en_to_pl_translator = pipeline("translation", model="gsarti/opus-mt-tc-en-pl", device=0 if torch.cuda.is_available() else -1)
 
-pl_to_en_tokenizer = MarianTokenizer.from_pretrained("Helsinki-NLP/opus-mt-pl-en")
-pl_to_en_model = MarianMTModel.from_pretrained("Helsinki-NLP/opus-mt-pl-en").to(device)
+def translate_pl_to_en(texts):
+    return [res["translation_text"] for res in pl_to_en_translator(texts)]
 
+def translate_en_to_pl(texts):
+    return [res["translation_text"] for res in en_to_pl_translator(texts)]
 
+# === Słownik znanych aspektów (EN → PL) ===
+aspect_aliases = {
+    # JEDZENIE / SMAK
+    "food": "jedzenie",
+    "meal": "jedzenie",
+    "taste": "smak",
+    "flavor": "smak",
+    "dish": "danie",
+    "portion": "porcja",
+    "serving": "porcja",
+    "ingredients": "składniki",
+    "spices": "przyprawy",
+    "salt": "sól",
+    "fat": "tłuszcz",
+    "grease": "tłuszcz",
 
-def translate(texts, tokenizer, model):
-    inputs = tokenizer(texts, return_tensors="pt", padding=True, truncation=True).to(device)
-    translated = model.generate(**inputs)
-    return tokenizer.batch_decode(translated, skip_special_tokens=True)
+    # OBSŁUGA
+    "service": "obsługa",
+    "staff": "obsługa",
+    "waiter": "obsługa",
+    "waitress": "obsługa",
+    "manager": "obsługa",
+    "attitude": "obsługa",
 
-def translate_pl_to_en(texts): return translate(texts, pl_to_en_tokenizer, pl_to_en_model)
-def translate_en_to_pl(texts): return translate(texts, en_to_pl_tokenizer, en_to_pl_model)
+    # CENY / WARTOŚĆ
+    "price": "cena",
+    "value": "cena",
+    "cost": "cena",
+
+    # ATMOSFERA / WYSTRÓJ
+    "decor": "wystrój",
+    "interior": "wystrój",
+    "design": "wystrój",
+    "counter": "wystrój",
+    "fridge": "wystrój",
+    "music": "muzyka",
+    "ambience": "klimat",
+    "atmosphere": "klimat",
+    "vibe": "klimat",
+    "climate": "klimat",
+
+    # MIEJSCE
+    "location": "lokalizacja",
+    "place": "lokalizacja",
+    "entrance": "lokalizacja",
+    "parking": "parking",
+    "toilet": "toaleta",
+
+    # CZAS / SZYBKOŚĆ
+    "waiting time": "czas oczekiwania",
+    "time": "czas oczekiwania",
+    "delay": "opóźnienie",
+    "speed": "czas oczekiwania",
+    "service time": "czas oczekiwania",
+    "slow": "czas oczekiwania",
+    "fast": "czas oczekiwania",
+    "immediate": "czas oczekiwania",
+    "late": "opóźnienie",
+
+
+    # ZAPACH / CZYSTOŚĆ
+    "smell": "zapach",
+    "odor": "zapach",
+    "cleanliness": "czystość",
+    "hygiene": "czystość",
+
+    # OGÓLNE
+    "experience": "doświadczenie",
+    "visit": "wizyta",
+    "menu": "menu",
+    "variety": "menu",
+
+    # MIEJSCE / LOKALIZACJA / OTOCZENIE
+    "location": "lokalizacja",
+    "place": "lokalizacja",
+    "entrance": "lokalizacja",
+    "parking": "parking",
+    "view": "lokalizacja",
+    "lake": "lokalizacja",
+    "window": "lokalizacja",
+    "terrace": "lokalizacja",
+    "balcony": "lokalizacja",
+    "outside": "lokalizacja",
+    "area": "lokalizacja",
+    "surroundings": "lokalizacja",
+    "neighborhood": "lokalizacja",
+    "river": "lokalizacja",
+    "garden": "lokalizacja",
+
+    # NAPOJE
+    "drink": "napoje",
+    "drinks": "napoje",
+    "beverage": "napoje",
+    "coffee": "napoje",
+    "tea": "napoje",
+    "water": "napoje",
+    "juice": "napoje",
+    "alcohol": "napoje",
+    "cocktail": "napoje",
+    "wine": "napoje",
+
+    #HIGIENA
+    "dirt": "czystość",
+    "dirty": "czystość",
+    "mess": "czystość",
+    "messy": "czystość",
+    "clean": "czystość",
+    "filth": "czystość",
+
+    #KUCHNIA /JAKOŚĆ 
+    "chef": "kuchnia",
+    "kitchen": "kuchnia",
+    "preparation": "kuchnia",
+    "presentation": "prezentacja",
+    "quality": "jakość",
+    "freshness": "jakość",
+    "raw": "jakość",
+    "undercooked": "jakość",
+    "burnt": "jakość",
+    "microwaved": "jakość",
+    # Wyposażenie 
+    "seat": "komfort",
+    "seating": "komfort",
+    "chair": "komfort",
+    "table": "komfort",
+    "furniture": "komfort",
+    "light": "komfort",
+    "noise": "komfort",
+    "temperature": "komfort",
+    "air conditioning": "komfort",
+
+    # 🔁 OGÓLNE WRAŻENIE / WARTOŚĆ
+    "recommendation": "ogólna ocena",
+    "return": "ogólna ocena",
+    "again": "ogólna ocena",
+    "worth": "cena",
+    "overpriced": "cena",
+    "cheap": "cena",
+    "affordable": "cena",
+
+    # DZIECI / RODZINA
+    "child": "dzieci",
+    "children": "dzieci",
+    "kid": "dzieci",
+    "kids": "dzieci",
+    "child-friendly": "dzieci",
+    "kids menu": "dzieci",
+    "high chair": "dzieci",
+    "stroller": "dzieci",
+    "family": "rodzina",
+    "families": "rodzina",
+    "parent": "rodzina",
+    "parents": "rodzina",
+    "group": "rodzina",
+    "big group": "rodzina",
+    "baby": "dzieci",
+
+    # ZWIERZĘTA
+    "dog": "zwierzęta",
+    "dogs": "zwierzęta",
+    "pet": "zwierzęta",
+    "pets": "zwierzęta",
+    "pet-friendly": "zwierzęta",
+    "dog-friendly": "zwierzęta",
+    "animal": "zwierzęta",
+}
 
 def extract_aspects(text):
     inputs = aspect_tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(device)
@@ -55,7 +216,7 @@ def extract_aspects(text):
                 current_tokens = []
     if current_tokens:
         aspects.append(aspect_tokenizer.convert_tokens_to_string(current_tokens).strip())
-    return list(set(aspects))
+    return list(set(aspects))  # usuń duplikaty
 
 def analyze(text_pl, progress=gr.Progress()):
     try:
@@ -67,20 +228,35 @@ def analyze(text_pl, progress=gr.Progress()):
         if not aspects_en:
             return "Nie wykryto żadnych aspektów."
 
+        # ✅ Usuń duplikaty (i sortuj dla powtarzalności)
+        unique_aspects = sorted(set([asp.lower() for asp in aspects_en]))
         results = []
-        for i, asp in enumerate(aspects_en):
-            progress(0.4 + i/len(aspects_en)*0.6, desc=f"Analiza aspektu: {asp}")
+        seen_pl_aspects = set()
+
+        for i, asp in enumerate(unique_aspects):
+            progress(0.4 + i/len(unique_aspects)*0.6, desc=f"Analiza aspektu: {asp}")
             input_text = f"{text_en} [SEP] {asp}"
             inputs = sentiment_tokenizer(input_text, return_tensors="pt", truncation=True, padding=True).to(device)
+
             with torch.no_grad():
                 logits = sentiment_model(**inputs).logits
                 predicted_class_id = int(logits.argmax().cpu())
                 sentiment_label = {0: "negatywny", 1: "neutralny", 2: "pozytywny", 3: "konfliktowy"}[predicted_class_id]
-                asp_pl = translate_en_to_pl([asp])[0]
-                results.append(f"{asp_pl.capitalize()} -> **{sentiment_label}**")
+
+            # ✅ Tłumaczenie aspektu przez słownik lub model
+            if asp in aspect_aliases:
+                asp_pl = aspect_aliases[asp]
+            else:
+                asp_pl = translate_en_to_pl([asp])[0].lower()
+
+            if asp_pl not in seen_pl_aspects:
+                seen_pl_aspects.add(asp_pl)
+                results.append(f"{asp_pl.capitalize()} → **{sentiment_label}**")
+
         return "\n".join(results)
+
     except Exception as e:
-        return f"Błąd podczas analizy: {e}"
+        return f"❌ Błąd podczas analizy: {e}"
 
 # === Gradio UI ===
 demo = gr.Interface(
@@ -88,17 +264,15 @@ demo = gr.Interface(
     inputs=gr.Textbox(
         label="Komentarz po polsku",
         placeholder="Np. Pizza była pyszna, ale kelner był nieuprzejmy.",
-        lines=4,         # więcej linii tekstu
-        max_lines=6      # limit wzrostu wysokości
-    ),
-    outputs=gr.Markdown(
-        label="Wyniki analizy"
+        lines=4,
+        max_lines=6
     ),
+    outputs=gr.Markdown(label="Wyniki analizy"),
     title="ABSA – Analiza komentarzy restauracyjnych",
     description="Wykrywa aspekty i przypisuje im sentymenty (pozytywny / negatywny / neutralny / konfliktowy).",
     theme="default",
     allow_flagging="never"
 )
 
-
-demo.launch()
+if __name__ == "__main__":
+    demo.launch()