File size: 2,003 Bytes
0bae16a | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 | # gradio interface
import gradio as gr
def predict_sentiment(text):
# Vectorisation et padding
seq = tokenizer.texts_to_sequences([text])
padded = pad_sequences(seq, maxlen=x_train.shape[1])
pred = lstm_model.predict(padded)
sentiment = "Positive" if pred[0][0] >= 0.5 else "Negative"
return sentiment
iface = gr.Interface(
fn=predict_sentiment,
inputs=gr.Textbox(lines=2, label="Entrez un tweet en français"),
outputs=gr.Textbox(label="Sentiment prédit"),
title="Analyse de sentiment de tweets français",
description="Entrez un tweet pour obtenir la prédiction du sentiment (Positive/Negative) par le modèle LSTM."
)
iface.launch()
def predict_sentiment(text):
# Vectorisation et padding
seq = tokenizer.texts_to_sequences([text])
padded = pad_sequences(seq, maxlen=x_train.shape[1])
pred = gru_model.predict(padded)
sentiment = "Positive" if pred[0][0] >= 0.5 else "Negative"
return sentiment
iface = gr.Interface(
fn=predict_sentiment,
inputs=gr.Textbox(lines=2, label="Entrez un tweet en français"),
outputs=gr.Textbox(label="Sentiment prédit"),
title="Analyse de sentiment de tweets français",
description="Entrez un tweet pour obtenir la prédiction du sentiment (Positive/Negative) par le modèle LSTM."
)
iface.launch()
import gradio as gr
def predict_sentiment(text):
# Vectorisation et padding
seq = tokenizer.texts_to_sequences([text])
padded = pad_sequences(seq, maxlen=x_train.shape[1])
pred = SimpleRNN_model.predict(padded)
sentiment = "Positive" if pred[0][0] >= 0.5 else "Negative"
return sentiment
iface = gr.Interface(
fn=predict_sentiment,
inputs=gr.Textbox(lines=2, label="Entrez un tweet en français"),
outputs=gr.Textbox(label="Sentiment prédit"),
title="Analyse de sentiment de tweets français",
description="Entrez un tweet pour obtenir la prédiction du sentiment (Positive/Negative) par le modèle LSTM."
)
iface.launch() |