Update app.py

app.py

@@ -1,70 +1,193 @@
 import gradio as gr
-from huggingface_hub import InferenceClient
+from transformers import pipeline
 
+# 创建分类器
+classifier = pipeline("text-classification", model="WJL110/emotion-classifier")
 
-def respond(
-    message,
-    history: list[dict[str, str]],
-    system_message,
-    max_tokens,
-    temperature,
-    top_p,
-    hf_token: gr.OAuthToken,
-):
+# 标签映射
+label_map = {
+    "LABEL_0": "快乐",
+    "LABEL_1": "愤怒",
+    "LABEL_2": "悲伤"
+}
+
+def analyze_emotion(text):
     """
-    For more information on `huggingface_hub` Inference API support, please check the docs: https://huggingface.co/docs/huggingface_hub/v0.22.2/en/guides/inference
+    对输入文本进行情感分析
     """
-    client = InferenceClient(token=hf_token.token, model="openai/gpt-oss-20b")
-
-    messages = [{"role": "system", "content": system_message}]
-
-    messages.extend(history)
-
-    messages.append({"role": "user", "content": message})
-
-    response = ""
-
-    for message in client.chat_completion(
-        messages,
-        max_tokens=max_tokens,
-        stream=True,
-        temperature=temperature,
-        top_p=top_p,
-    ):
-        choices = message.choices
-        token = ""
-        if len(choices) and choices[0].delta.content:
-            token = choices[0].delta.content
+    if not text.strip():
+        return "请输入要分析的文本", None, None
+    
+    result = classifier(text)[0]  # 获取第一个（也是唯一的）结果
+    emotion = label_map[result['label']]
+    confidence = result['score']
+    
+    # 根据情感类型返回不同的颜色
+    if emotion == "快乐":
+        color = "#4CAF50"  # 绿色
+    elif emotion == "愤怒":
+        color = "#F44336"  # 红色
+    else:  # 悲伤
+        color = "#2196F3"  # 蓝色
+    
+    return f"预测情感: {emotion}", f"置信度: {confidence:.2%}", color
 
-        response += token
-        yield response
-
-
-"""
-For information on how to customize the ChatInterface, peruse the gradio docs: https://www.gradio.app/docs/chatinterface
-"""
-chatbot = gr.ChatInterface(
-    respond,
-    type="messages",
-    additional_inputs=[
-        gr.Textbox(value="You are a friendly Chatbot.", label="System message"),
-        gr.Slider(minimum=1, maximum=2048, value=512, step=1, label="Max new tokens"),
-        gr.Slider(minimum=0.1, maximum=4.0, value=0.7, step=0.1, label="Temperature"),
-        gr.Slider(
-            minimum=0.1,
-            maximum=1.0,
-            value=0.95,
-            step=0.05,
-            label="Top-p (nucleus sampling)",
-        ),
-    ],
-)
-
-with gr.Blocks() as demo:
-    with gr.Sidebar():
-        gr.LoginButton()
-    chatbot.render()
+def analyze_emotion_with_history(text, history):
+    """
+    带有历史记录的情感分析函数
+    """
+    result_text, confidence_text, color = analyze_emotion(text)
+    
+    # 更新历史记录
+    history.append((text, f"{result_text}\n{confidence_text}"))
+    
+    return history, history
 
+# 创建Gradio界面
+with gr.Blocks(title="情感分析应用", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🎭 情感分析应用")
+    gr.Markdown("输入文本，AI将分析其情感倾向（快乐、愤怒或悲伤）")
+    
+    with gr.Row():
+        with gr.Column(scale=2):
+            # 输入区域
+            text_input = gr.Textbox(
+                label="输入要分析的文本",
+                placeholder="请输入您想要分析情感的文本...",
+                lines=4,
+                max_lines=10
+            )
+            
+            # 按钮
+            with gr.Row():
+                analyze_btn = gr.Button("🔍 分析情感", variant="primary")
+                clear_btn = gr.Button("🗑️ 清空", variant="secondary")
+        
+        with gr.Column(scale=2):
+            # 输出区域
+            result_text = gr.Textbox(
+                label="分析结果",
+                lines=2,
+                interactive=False
+            )
+            
+            # 情感标签显示
+            sentiment_label = gr.Label(
+                label="情感分类",
+                value=[{"label": "请输入文本并点击分析按钮", "confidence": 0}]
+            )
+    
+    # 历史记录
+    gr.Markdown("### 📜 历史记录")
+    chatbot = gr.Chatbot(
+        label="分析历史",
+        height=300
+    )
+    
+    # 示例文本
+    gr.Markdown("### 📝 示例文本")
+    
+    # 创建示例分类标签页
+    with gr.Tabs():
+        # 基础示例
+        with gr.TabItem("基础示例"):
+            basic_examples = gr.Examples(
+                examples=(
+                    "今天真是太开心了！",
+                    "这件事让我很生气。",
+                    "听到这个消息很难过。",
+                    "我收到了一份意外的礼物，感到非常惊喜和快乐！",
+                    "排队排了这么久，服务还这么差，真是令人愤怒！",
+                    "我的宠物离开了我���我感到非常悲伤和孤独。"
+                ),
+                inputs=text_input,
+                cache_examples=False
+            )
+        
+        # 复杂示例 - 快乐
+        with gr.TabItem("复杂示例 - 快乐"):
+            happy_examples = gr.Examples(
+                examples=(
+                    "当我看到女儿在毕业典礼上作为优秀毕业生代表发言时，她的声音虽然有些颤抖但坚定有力，我的眼眶不由自主地湿润了。十八年的养育，从蹒跚学步到如今亭亭玉立，所有的辛苦在这一刻都化作了无法言喻的欣慰与自豪。",
+                    "当我收到大学录取通知书时，激动得跳了起来，但随即又感到一丝不安。我知道这意味着我将离开家人，独自面对陌生的环境和挑战。这种既期待又恐惧的心情让我彻夜难眠。",
+                    "刚开始看到他忘记了我们的纪念日，我感到有些失落。但当他晚上给我一个惊喜的烛光晚餐，并拿出准备已久的礼物时，那份失落感瞬间被巨大的幸福感所取代，我甚至感动得流下了眼泪。",
+                    "经过三年的努力，我们终于还清了所有债务。今天，当我把最后一张支票寄出去时，看着窗外明媚的阳光，我深深地吸了一口气，感觉肩上的重担终于卸了下来。"
+                ),
+                inputs=text_input,
+                cache_examples=False
+            )
+        
+        # 复杂示例 - 愤怒
+        with gr.TabItem("复杂示例 - 愤怒"):
+            angry_examples = gr.Examples(
+                examples=(
+                    "当我发现自己精心准备了三个月的项目方案被同事占为己有，并且在领导面前装作是他自己的创意时，一股难以遏制的怒火从心底喷涌而出。这种背叛比项目失败本身更让我感到愤怒和失望。",
+                    "公司宣布裁员名单时，我既感到愤怒又有些庆幸。愤怒的是公司如此无情地对待为其效力多年的员工，庆幸的是自己不在裁员名单中。这种矛盾的心情让我感到既内疚又不安。",
+                    "会议开始时，我还能保持冷静地听取不同意见。但当有人开始质疑我的专业能力，并歪曲我的观点时，我感到血液逐渐涌上头顶，从最初的不悦逐渐升级为无法控制的愤怒。",
+                    "真是太好了！我的笔记本电脑在我准备提交重要项目的前一天突然崩溃了，所有的数据都没有备份。看来我这个月的努力又要白费了，这真是太棒了！"
+                ),
+                inputs=text_input,
+                cache_examples=False
+            )
+        
+        # 复杂示例 - 悲伤
+        with gr.TabItem("复杂示例 - 悲伤"):
+            sad_examples = gr.Examples(
+                examples=(
+                    "整理母亲遗物时，我发现了一本她的日记，里面记录着她对我们子女的牵挂和担忧，即使在她病重的最后日子里，字里行间依然充满了对生活的热爱。看着那些熟悉的字迹，我仿佛又听到了她温柔的叮嘱，泪水无声地滑落。",
+                    "得知多年未见的好友突然去世的消息，我愣住了。我们曾经一起度过了人生中最美好的青春岁月，那些欢声笑语仿佛还在耳边回响。虽然知道人终有一死，但当这一刻真的来临时，心中还是充满了无法言说的悲伤和遗憾。",
+                    "接到医院电话时，我只是有些担心。但当医生告诉我检查结果，说情况比预想的要严重得多时，我的心一下子沉了下去，从担忧变成了深深的恐惧和绝望。",
+                    "今天路过那家我们曾经经常光顾的咖啡馆，看到熟悉的靠窗座位空着，我不由自主地停下了脚步。物是人非，那些曾经的美好时光如今只剩下回忆，心中涌起一股难以言喻的酸楚。"
+                ),
+                inputs=text_input,
+                cache_examples=False
+            )
+        
+        # 极高复杂度示例
+        with gr.TabItem("极高复杂度示例"):
+            extreme_examples = gr.Examples(
+                examples=(
+                    "在父亲的葬礼上，我看到他生前最爱的向日葵开得正盛，那是他亲手种下的。阳光透过教堂的彩色玻璃窗洒进来，照亮了他微笑的遗像。我感到一阵难以言喻的悲伤，却又在这悲伤中感受到一丝温暖和力量。",
+                    "当我得知自己获得了梦寐以求的职位时，激动得几乎要哭出来。但想到要离开现在的团队和熟悉的环境，心中又涌起一股莫名的伤感。这种既兴奋又不舍的心情让我百感交集。",
+                    "看到他对我撒谎的证据，我感到一阵眩晕。愤怒、失望、背叛感、还有一丝难以置信，这些情绪在我心中交织，让我几乎无法呼吸。我想大声质问他，却又感到一种深深的无力感。",
+                    "她只是淡淡地说了一句'祝你幸福'，然后转身离开。我看着她渐行渐远的背影，心里空落落的，好像失去了什么重要的东西，却又说不清楚具体是什么。"
+                ),
+                inputs=text_input,
+                cache_examples=False
+            )
+    
+    # 绑定事件
+    analyze_btn.click(
+        fn=analyze_emotion,
+        inputs=text_input,
+        outputs=[result_text, sentiment_label]
+    )
+    
+    # 清空按钮事件
+    clear_btn.click(
+        fn=lambda: ("", [{"label": "请输入文本并点击分析按钮", "confidence": 0}], []),
+        outputs=[text_input, sentiment_label, chatbot]
+    )
+    
+    # 回车键触发分析
+    text_input.submit(
+        fn=analyze_emotion,
+        inputs=text_input,
+        outputs=[result_text, sentiment_label]
+    )
+    
+    # 历史记录更新
+    analyze_btn.click(
+        fn=analyze_emotion_with_history,
+        inputs=[text_input, chatbot],
+        outputs=[chatbot, chatbot]
+    )
+    
+    text_input.submit(
+        fn=analyze_emotion_with_history,
+        inputs=[text_input, chatbot],
+        outputs=[chatbot, chatbot]
+    )
 
 if __name__ == "__main__":
     demo.launch()