Create app.py

app.py

@@ -0,0 +1,61 @@
+import gradio as gr
+from setfit import SetFitModel
+import spacy
+
+# Cargar el modelo
+model = SetFitModel.from_pretrained("desarrolloasesoreslocales/SetFitArgumentos")
+
+# Cargar el modelo de spaCy para español
+spacy.cli.download("es_core_news_sm")
+nlp = spacy.load("es_core_news_sm")
+
+# Mapear las etiquetas
+id2label = {0: "49", 1: "994", 2: "1002", 3: "2014"}
+
+# Definir la función para dividir en párrafos
+def dividir_en_parrafos(texto):
+    doc = nlp(texto)
+    parrafos = []
+    parrafo_actual = []
+    for oracion in doc.sents:
+        parrafo_actual.append(oracion.text)
+        if oracion.text.endswith((".", "!", "?")):
+            parrafos.append(" ".join(parrafo_actual))
+            parrafo_actual = []
+    if parrafo_actual:
+        parrafos.append(" ".join(parrafo_actual))
+    return parrafos
+
+# Definir la función de predicción
+def predict(payload):
+    # Dividir el texto en párrafos
+    parrafos = dividir_en_parrafos(payload)
+    
+    # Inicializar un conjunto para almacenar etiquetas únicas
+    etiquetas_encontradas = set()
+    
+    # Procesar cada párrafo por separado
+    for parrafo in parrafos:
+        # Predecir con el modelo
+        results = model.predict_proba([parrafo])[0]
+        
+        # Filtrar etiquetas con score > 0.60
+        etiquetas_filtradas = [id2label[i] for i, score in enumerate(results) if score > 0.60]
+        
+        # Agregar etiquetas al conjunto
+        etiquetas_encontradas.update(etiquetas_filtradas)
+    
+    return "\n".join(etiquetas_encontradas)
+
+# Crear una interfaz Gradio
+iface = gr.Interface(
+    fn=predict, 
+    inputs=gr.inputs.Textbox(), 
+    outputs=gr.outputs.Textbox(), 
+    live=False,
+    layout='vertical',
+    title="Clasificador de Texto"
+)
+
+# Iniciar la interfaz Gradio
+iface.launch()