Update app.py

app.py

@@ -1,175 +1,3 @@
-# import gradio as gr
-# import torch
-# from sentence_transformers import SentenceTransformer
-# from sklearn.metrics.pairwise import cosine_similarity
-# import pickle
-# import os
-# import numpy as np
-
-# class UrduOptimizedPredictor:
-#     def __init__(self, model_path=None):
-#         self.device = "cuda" if torch.cuda.is_available() else "cpu"
-#         print(f"Using device: {self.device}")
-        
-#         # Load the multilingual model
-#         self.text_model = SentenceTransformer('sentence-transformers/paraphrase-multilingual-mpnet-base-v2')
-#         self.text_model.to(self.device)
-        
-#         # Load YOUR model
-#         model_file = "models/urdu_optimized_model/urdu_optimized_model.pkl"
-#         print(f"📁 Loading YOUR model from: {model_file}")
-        
-#         try:
-#             with open(model_file, 'rb') as f:
-#                 model_data = pickle.load(f)
-            
-#             self.emoji_embeddings = {k: v[0] for k, v in model_data['emoji_embeddings'].items()}
-#             self.emoji_list = model_data['emoji_list']
-            
-#             print(f"✅ SUCCESS: Loaded YOUR Urdu-optimized model with {len(self.emoji_list)} emojis")
-#             print(f"📊 Your emojis: {self.emoji_list[:20]}...")  # Show first 20 emojis
-            
-#         except Exception as e:
-#             print(f"❌ ERROR loading your model: {e}")
-#             raise e
-    
-#     def predict_smart(self, text, top_k=3, min_confidence=0.3):
-#         """Use YOUR model for prediction"""
-#         print(f"\n🔍 PREDICTING for: '{text}'")
-        
-#         # Get text embedding
-#         text_embedding = self.text_model.encode([text], convert_to_tensor=True)
-#         text_embedding_np = text_embedding.cpu().numpy()
-        
-#         # Calculate similarities with YOUR emoji embeddings
-#         similarities = {}
-#         for emoji, emoji_embedding in self.emoji_embeddings.items():
-#             similarity = cosine_similarity(text_embedding_np, emoji_embedding.reshape(1, -1))[0][0]
-#             similarities[emoji] = similarity
-        
-#         print(f"📈 Similarities calculated for {len(similarities)} emojis")
-        
-#         # Filter by confidence and return top K
-#         filtered = [(emoji, score) for emoji, score in similarities.items() if score >= min_confidence]
-#         sorted_emojis = sorted(filtered, key=lambda x: x[1], reverse=True)
-        
-#         print(f"🎯 Top predictions: {sorted_emojis[:top_k]}")
-        
-#         # If no confident predictions, return top overall
-#         if not sorted_emojis:
-#             top_overall = sorted(similarities.items(), key=lambda x: x[1], reverse=True)[:top_k]
-#             print(f"⚠️ No confident predictions, using top overall: {top_overall}")
-#             return top_overall
-        
-#         return sorted_emojis[:top_k]
-
-# # Initialize predictor
-# print("🚀 Loading YOUR Urdu Emoji Prediction Model...")
-# predictor = UrduOptimizedPredictor()
-
-# def predict_emoji(urdu_text):
-#     """Main prediction function using YOUR model"""
-#     if not urdu_text.strip():
-#         return "⬅️ اردو متن لکھیں"
-    
-#     try:
-#         # Get predictions from YOUR model
-#         predictions = predictor.predict_smart(urdu_text, top_k=3, min_confidence=0.3)
-        
-#         # Format output
-#         if predictions:
-#             result = "🎯 **آپ کے ماڈل کی پیشنگو:**\n\n"
-#             for i, (emoji, score) in enumerate(predictions, 1):
-#                 confidence_level = "اعلیٰ" if score > 0.6 else "درمیانی" if score > 0.4 else "کم"
-#                 result += f"{i}. {emoji} - {confidence_level} درستگی ({score:.3f})\n"
-#             return result
-#         else:
-#             return "❌ آپ کے ماڈل سے کوئی مناسب ایموجی نہیں مل سکی"
-            
-#     except Exception as e:
-#         print(f"Error in prediction: {e}")
-#         return f"⚠️ نظام میں خرابی: {e}"
-
-# # Test your model with some examples before starting the interface
-# print("\n" + "="*60)
-# print("🧪 TESTING YOUR MODEL WITH SAMPLE TEXTS")
-# print("="*60)
-
-# test_texts = [
-#     "میں بہت خوش ہوں",
-#     "دل ٹوٹ گیا ہے", 
-#     "دوستوں کے ساتھ پارٹی کا مزہ آیا",
-#     "امی نے میری پسندیدہ ڈش بنائی ہے",
-#     "غصہ سے دماغ پھٹ رہا ہے"
-# ]
-
-# for text in test_texts:
-#     print(f"\n📝 Testing: '{text}'")
-#     predictions = predictor.predict_smart(text, top_k=3, min_confidence=0.3)
-#     print(f"   → {[emoji for emoji, score in predictions]}")
-
-# print("\n" + "="*60)
-# print("🚀 STARTING GRADIO INTERFACE")
-# print("="*60)
-
-# # Create Gradio interface
-# demo = gr.Blocks(title="آپ کا اردو ایموجی پیشنگو ماڈل")
-
-# with demo:
-#     gr.Markdown(
-#         """
-#         # 🎯 **آپ کا تربیت یافتہ اردو ایموجی ماڈل**
-        
-#         یہ انٹرفیس **آپ کے ہی تربیت یافتہ ماڈل** کا استعمال کر رہا ہے!
-#         - **80+ Urdu emojis** آپ کے ڈیٹا سے تربیت یافتہ
-#         - **10 لاکھ+ Urdu tweets** پر مبنی
-#         - **Top-3 درستگی: 30.4%**
-#         """
-#     )
-    
-#     with gr.Row():
-#         with gr.Column():
-#             input_text = gr.Textbox(
-#                 label="اردو متن درج کریں",
-#                 placeholder="اپنا Urdu متن یہاں لکھیں...",
-#                 lines=3
-#             )
-            
-#             predict_btn = gr.Button("🎯 ماڈل سے ایموجیز حاصل کریں", variant="primary")
-            
-#         with gr.Column():
-#             output_text = gr.Textbox(
-#                 label="آپ کے ماڈل کی پیشنگو",
-#                 placeholder="یہاں آپ کے ماڈل کی پیشنگو ایموجیز ظاہر ہوں گی...",
-#                 lines=5
-#             )
-    
-#     gr.Markdown("### 💡 آپ کے ماڈل کی جانچ کے لیے مثالیں")
-#     examples = gr.Examples(
-#         examples=[
-#             ["میں آج بہت خوش ہوں اور مسکرا رہا ہوں"],
-#             ["دل ٹوٹ گیا ہے، بہت دکھ ہو رہا ہے"],
-#             ["دوستوں کے ساتھ پارٹی کا بہت مزہ آیا"],
-#             ["نیند آ رہی ہے، بہت تھک گیا ہوں"],
-#             ["امی نے میری پسندیدہ کھانا بنایا ہے"],
-#             ["محبت میں پڑ گیا ہوں، دل دھڑک رہا ہے"],
-#             ["غصہ سے دماغ پھٹ رہا ہے"],
-#             ["بارش ہو رہی ہے، موسم بہت اچھا ہے"]
-#         ],
-#         inputs=input_text,
-#         outputs=output_text,
-#         fn=predict_emoji,
-#         cache_examples=False
-#     )
-
-# if __name__ == "__main__":
-#     demo.launch(
-#         server_name="0.0.0.0",
-#         server_port=7860,
-#         share=True
-#     )
-
-
 import gradio as gr
 import torch
 from sentence_transformers import SentenceTransformer
@@ -188,7 +16,7 @@ class UrduOptimizedPredictor:
         self.text_model.to(self.device)
         
         # Load YOUR model
-        model_file = "urdu_optimized_model.pkl"
+        model_file = "models/urdu_optimized_model/urdu_optimized_model.pkl"
         print(f"📁 Loading YOUR model from: {model_file}")
         
         try:
@@ -248,19 +76,19 @@ def predict_emoji(urdu_text):
         # Get predictions from YOUR model
         predictions = predictor.predict_smart(urdu_text, top_k=3, min_confidence=0.3)
         
-        # Format output
+        # Format output - ONLY EMOJIS, no scores or text
         if predictions:
-            result = "🎯 **آپ کے ماڈل کی پیشنگو:**\n\n"
-            for i, (emoji, score) in enumerate(predictions, 1):
-                confidence_level = "اعلیٰ" if score > 0.6 else "درمیانی" if score > 0.4 else "کم"
-                result += f"{i}. {emoji} - {confidence_level} درستگی ({score:.3f})\n"
+            # Extract just the emojis from predictions
+            emojis_only = [emoji for emoji, score in predictions]
+            # Join them with spaces for clean display
+            result = " ".join(emojis_only)
             return result
         else:
-            return "❌ آپ کے ماڈل سے کوئی مناسب ایموجی نہیں مل سکی"
+            return "❌"
             
     except Exception as e:
         print(f"Error in prediction: {e}")
-        return f"⚠️ نظام میں خرابی: {e}"
+        return "⚠️"
 
 # Test your model with some examples before starting the interface
 print("\n" + "="*60)
@@ -285,17 +113,17 @@ print("🚀 STARTING GRADIO INTERFACE")
 print("="*60)
 
 # Create Gradio interface
-demo = gr.Blocks(title="آپ کا اردو ایموجی پیشنگو ماڈل")
+demo = gr.Blocks(title="اردو ایموجی پیشنگو")
 
 with demo:
     gr.Markdown(
         """
-        # 🎯 **آپ کا تربیت یافتہ اردو ایموجی ماڈل**
+        # 🎯 اردو ایموجی پیشنگو
         
-        یہ انٹرفیس **آپ کے ہی تربیت یافتہ ماڈل** کا استعمال کر رہا ہے!
-        - **80+ Urdu emojis** آپ کے ڈیٹا سے تربیت یافتہ
-        - **10 لاکھ+ Urdu tweets** پر مبنی
-        - **Top-3 درستگی: 30.4%**
+        اپنے اردو متن کے لیے موزوں ترین ایموجیز دریافت کریں
+        - **80+ اردو ایموجیز**
+        - **10 لاکھ+ اردو ٹویٹس** پر تربیت یافتہ
+        - **تین بہترین ایموجیز** کی پیشنگو
         """
     )
     
@@ -303,30 +131,30 @@ with demo:
         with gr.Column():
             input_text = gr.Textbox(
                 label="اردو متن درج کریں",
-                placeholder="اپنا Urdu متن یہاں لکھیں...",
+                placeholder="اپنا اردو متن یہاں لکھیں... مثلاً: آج میں بہت خوش ہوں",
                 lines=3
             )
             
-            predict_btn = gr.Button("🎯 ماڈل سے ایموجیز حاصل کریں", variant="primary")
+            predict_btn = gr.Button("🎯 ایموجیز حاصل کریں", variant="primary")
             
         with gr.Column():
             output_text = gr.Textbox(
-                label="آپ کے ماڈل کی پیشنگو",
-                placeholder="یہاں آپ کے ماڈل کی پیشنگو ایموجیز ظاہر ہوں گی...",
-                lines=5
+                label="پیشنگو شدہ ایموجیز",
+                placeholder="یہاں ایموجیز ظاہر ہوں گی...",
+                lines=2
             )
     
-    gr.Markdown("### 💡 آپ کے ماڈل کی جانچ کے لیے مثالیں")
+    gr.Markdown("### 💡 مثالیں")
     examples = gr.Examples(
         examples=[
-            ["میں آج بہت خوش ہوں اور مسکرا رہا ہوں"],
-            ["دل ٹوٹ گیا ہے، بہت دکھ ہو رہا ہے"],
-            ["دوستوں کے ساتھ پارٹی کا بہت مزہ آیا"],
-            ["نیند آ رہی ہے، بہت تھک گیا ہوں"],
+            ["میں آج بہت خوش ہوں"],
+            ["دل ٹوٹ گیا ہے"],
+            ["دوستوں کے ساتھ پارٹی کا مزہ آیا"],
+            ["نیند آ رہی ہے"],
             ["امی نے میری پسندیدہ کھانا بنایا ہے"],
-            ["محبت میں پڑ گیا ہوں، دل دھڑک رہا ہے"],
+            ["محبت میں پڑ گیا ہوں"],
             ["غصہ سے دماغ پھٹ رہا ہے"],
-            ["بارش ہو رہی ہے، موسم بہت اچھا ہے"]
+            ["بارش ہو رہی ہے"]
         ],
         inputs=input_text,
         outputs=output_text,
@@ -334,7 +162,7 @@ with demo:
         cache_examples=False
     )
 
-    # 🔥🔥🔥 THIS IS THE ONE LINE YOU NEED TO ADD 🔥🔥🔥
+    # Connect button to function
     predict_btn.click(fn=predict_emoji, inputs=input_text, outputs=output_text)
 
 if __name__ == "__main__":