Adding requirements and modifying app

app.py

@@ -1,7 +1,35 @@
 import gradio as gr
+import pandas as pd
+from transformers import pipeline
+
+# Inicializa la pipeline de análisis de sentimientos
+sentiment_pipeline = pipeline("sentiment-analysis")
+
+# Función para cargar los datos
+def load_reviews():
+    # Asegúrate de usar la ruta correcta al archivo .json.gz en tu espacio de Hugging Face
+    df = pd.read_json('AMAZON_FASHION_5.json.gz', lines=True, compression='gzip')
+    return df
+
+# Función para analizar el sentimiento de una reseña
+def analyze_sentiment(review):
+    # Usa la pipeline de transformers para analizar el sentimiento
+    result = sentiment_pipeline(review)
+    # Devuelve solo la etiqueta ('LABEL_0' o 'LABEL_1') y el puntaje
+    return result[0]['label'], round(result[0]['score'], 4)
+
+# Carga los datos (esto puede tardar un poco dependiendo del tamaño del archivo)
+df_reviews = load_reviews()
+
+# Gradio interface
+iface = gr.Interface(
+    fn=analyze_sentiment, 
+    inputs=gr.inputs.Textbox(lines=2, placeholder="Ingrese una reseña de Amazon Fashion aquí..."), 
+    outputs=[gr.outputs.Label(label="Sentimiento"), gr.outputs.Textbox(label="Puntaje de Confianza")]
+)
+
+# Lanza la interfaz
+if __name__ == "__main__":
+    iface.launch()
 
-def greet(name):
-    return "Hello " + name + "!!"
 
-iface = gr.Interface(fn=greet, inputs="text", outputs="text")
-iface.launch()

requirements.txt

@@ -0,0 +1,3 @@
+gradio
+pandas
+transformers