Update app.py

app.py

@@ -1,52 +1,52 @@
-import gradio as gr
-from transformers import pipeline
-
-# Modeli direkt yükle (cache otomatik iner)
-# NOT: Bu model İngilizce metinler için eğitilmiştir. Eğer Türkçe metinlerle çalışmak istiyorsanız,
-# 'turkish-ner' gibi Türkçe için finetune edilmiş bir model kullanmanız gerekmektedir.
-ner_pipeline = pipeline(
-    "ner",
-    model="dbmdz/bert-large-cased-finetuned-conll03-english",
-    aggregation_strategy="simple"
-)
-
-def ner_texte_cevir(text):
-    results = ner_pipeline(text)
-
-    # gr.HighlightedText için çıktı formatını düzenle
-    output_segments = []
-    last_idx = 0
-
-    # Metni ve algılanan varlıkları birleştirerek HighlightedText için uygun formatı oluştur
-    for entity in results:
-        # Varlık öncesindeki metin (etiketsiz)
-        if entity['start'] > last_idx:
-            output_segments.append((text[last_idx:entity['start']], None))
-
-        # Algılanan varlık ve etiketi
-        output_segments.append((text[entity['start']:entity['end']], entity['entity_group']))
-        last_idx = entity['end']
-
-    # Son varlıktan sonra kalan metin (etiketsiz)
-    if last_idx < len(text):
-        output_segments.append((text[last_idx:], None))
-
-    # Eğer hiçbir varlık bulunamazsa, tüm metni etiketsiz olarak döndür
-    if not output_segments and text:
-        output_segments.append((text, None))
-
-    return output_segments
-
-iface = gr.Interface(
-    fn=ner_texte_cevir,
-    inputs=gr.Textbox(lines=5, placeholder="Metni buraya yapıştır..."),
-    outputs=gr.HighlightedText(),
-    title="Türkçe NER Uygulaması", # Başlıkta Türkçe dese de model İngilizce unutma :)
-    description="İsim, kurum, yer tespit eder.",
-    examples=[
-        ["Ahmet Yılmaz dün İstanbul Üniversitesi'nde konferans verdi."],
-        ["Apple şirketi yeni iPhone'u tanıttı."]
-    ]
-)
-
+import gradio as gr
+from transformers import pipeline
+
+# Modeli direkt yükle (cache otomatik iner)
+# NOT: Bu model İngilizce metinler için eğitilmiştir. Eğer Türkçe metinlerle çalışmak istiyorsanız,
+# 'turkish-ner' gibi Türkçe için finetune edilmiş bir model kullanmanız gerekmektedir.
+ner_pipeline = pipeline(
+    "ner",
+    model="akdeniz27/bert-base-turkish-cased-ner",
+    aggregation_strategy="simple"
+)
+
+def ner_texte_cevir(text):
+    results = ner_pipeline(text)
+
+    # gr.HighlightedText için çıktı formatını düzenle
+    output_segments = []
+    last_idx = 0
+
+    # Metni ve algılanan varlıkları birleştirerek HighlightedText için uygun formatı oluştur
+    for entity in results:
+        # Varlık öncesindeki metin (etiketsiz)
+        if entity['start'] > last_idx:
+            output_segments.append((text[last_idx:entity['start']], None))
+
+        # Algılanan varlık ve etiketi
+        output_segments.append((text[entity['start']:entity['end']], entity['entity_group']))
+        last_idx = entity['end']
+
+    # Son varlıktan sonra kalan metin (etiketsiz)
+    if last_idx < len(text):
+        output_segments.append((text[last_idx:], None))
+
+    # Eğer hiçbir varlık bulunamazsa, tüm metni etiketsiz olarak döndür
+    if not output_segments and text:
+        output_segments.append((text, None))
+
+    return output_segments
+
+iface = gr.Interface(
+    fn=ner_texte_cevir,
+    inputs=gr.Textbox(lines=5, placeholder="Metni buraya yapıştır..."),
+    outputs=gr.HighlightedText(),
+    title="Türkçe NER Uygulaması", # Başlıkta Türkçe dese de model İngilizce unutma :)
+    description="İsim, kurum, yer tespit eder.",
+    examples=[
+        ["Ahmet Yılmaz dün İstanbul Üniversitesi'nde konferans verdi."],
+        ["Apple şirketi yeni iPhone'u tanıttı."]
+    ]
+)
+
 iface.launch(share=True)