Update app.py

app.py

@@ -4,6 +4,7 @@ import numpy as np
 import re
 import nltk
 import os
+from nltk.tokenize import sent_tokenize, word_tokenize
 
 # 建議用使用者目錄，確保可寫入權限
 nltk_data_dir = os.path.join(os.path.expanduser("~"), "nltk_data")
@@ -19,9 +20,7 @@ except LookupError:
     nltk.download("punkt", download_dir=nltk_data_dir, quiet=True)
 
 # 載入你訓練好的 .pkl 模型
-model = joblib.load("ai_detector_model.pkl")  # 請確認檔名正確（在 /app 資料夾裡）
-
-from nltk.tokenize import sent_tokenize
+model = joblib.load("ai_detector_model.pkl")  # 請確認檔名正確
 
 def extract_features(text):
     # 使用 sent_tokenize 分句
@@ -40,7 +39,6 @@ def extract_features(text):
     unique_words = set(words_clean)
     features['vocabulary_richness'] = len(unique_words) / max(len(words_clean), 1)
 
-    # 使用 word_tokenize 也明確指定
     sentence_lengths = [len(word_tokenize(s)) for s in sentences]
     features['sentence_length_variance'] = np.var(sentence_lengths) if sentence_lengths else 0
 
@@ -94,7 +92,8 @@ def predict(text):
 demo = gr.Interface(
     fn=predict,
     inputs=gr.Textbox(label="請輸入文章內容", lines=15, max_lines=50, placeholder="在此輸入文章…"),
-    outputs=gr.Textbox(label="預測結果", lines=15, max_lines=30, placeholder="結果會顯示在這裡…"),    title="AI / Human 判斷器",
+    outputs=gr.Textbox(label="預測結果", lines=15, max_lines=30, placeholder="結果會顯示在這裡…"),
+    title="AI / Human 判斷器",
     description="上傳的模型為 .pkl 格式，根據語言特徵分析並判斷文本來源"
 )