Update app.py

app.py

@@ -1,20 +1,53 @@
 import gradio as gr
 from transformers import AutoModelForSequenceClassification, AutoTokenizer, pipeline
 
-# Model ve tokenizer bir kere yükleniyor (performans için önemli)
-model = AutoModelForSequenceClassification.from_pretrained("savasy/bert-base-turkish-sentiment-cased")
-tokenizer = AutoTokenizer.from_pretrained("savasy/bert-base-turkish-sentiment-cased")
+# Modeli 1 kez yükle (hız için)
+model = AutoModelForSequenceClassification.from_pretrained(
+    "savasy/bert-base-turkish-sentiment-cased"
+)
+tokenizer = AutoTokenizer.from_pretrained(
+    "savasy/bert-base-turkish-sentiment-cased"
+)
+
+sentiment_pipe = pipeline(
+    "sentiment-analysis",
+    tokenizer=tokenizer,
+    model=model
+)
 
-sentiment_pipe = pipeline("sentiment-analysis", tokenizer=tokenizer, model=model)
+def analyze(text):
+    result = sentiment_pipe(text)[0]["label"]
+    if result == "positive":
+        return "🔵 POZİTİF"
+    elif result == "negative":
+        return "🔴 NEGATİF"
+    else:
+        return "🟡 NÖTR"
 
-def greet(text):
-    result = sentiment_pipe(text)[0]['label']
-    return result
+with gr.Blocks(theme=gr.themes.Soft()) as demo:
+    gr.Markdown(
+        """
+        # 🇹🇷 Türkçe Duygu Analizi  
+        BERT tabanlı Türkçe cümle analiz modeli
+        
+        Bir cümle yaz → Model sana **POZİTİF / NEGATİF / NÖTR** sonucunu söylesin.
+        """
+    )
 
-iface = gr.Interface(
-    fn=greet,
-    inputs=gr.Textbox(placeholder="Lütfen Cümle Giriniz...", lines=5),
-    outputs=gr.Textbox(label="Duygu Analizi Sonucu")
-)
+    with gr.Row():
+        text_input = gr.Textbox(
+            label="Cümle",
+            placeholder="Bir cümle yazınız...",
+            lines=4
+        )
+    
+    analyze_button = gr.Button("Analiz Et")
+    
+    output = gr.Textbox(
+        label="Duygu Sonucu",
+        interactive=False
+    )
+
+    analyze_button.click(analyze, inputs=text_input, outputs=output)
 
-iface.launch()
+demo.launch()