app.py

import sys
import subprocess

# Memeriksa dan menginstal sentencepiece jika belum terinstal
try:
    import sentencepiece
except ImportError:
    subprocess.check_call([sys.executable, "-m", "pip", "install", "sentencepiece"])
    import sentencepiece

from transformers import T5ForConditionalGeneration, T5Tokenizer
import gradio as gr
import re

# Memuat model dan tokenizer T5
model_name = "t5-base"  # Anda bisa mengganti dengan "t5-large" jika diperlukan
tokenizer = T5Tokenizer.from_pretrained(model_name)
model = T5ForConditionalGeneration.from_pretrained(model_name)

def extract_seminar_info(chunk):
    # Menyusun prompt yang spesifik untuk ekstraksi informasi
    prompt = (
        "Ekstrak informasi berikut dari jadwal seminar berikut:\n"
        "- NO\n"
        "- NIM\n"
        "- Nama\n"
        "- Judul Seminar\n"
        "- Reviewer & Pembimbing\n"
        "- Waktu\n\n"
        f"{chunk}"
    )

    # Tokenisasi input dengan pemotongan jika terlalu panjang
    inputs = tokenizer.encode(prompt, return_tensors="pt", max_length=512, truncation=True)

    # Menghasilkan respons dengan parameter yang diatur
    outputs = model.generate(
        inputs,
        max_length=150,
        num_beams=5,
        early_stopping=True
    )

    # Mendekode respons
    response = tokenizer.decode(outputs[0], skip_special_tokens=True)
    return response

def process_file():
    # Membaca isi file seminar.txt
    with open('seminar.txt', 'r', encoding='utf-8') as file:
        content = file.read()

    # Menghapus karakter yang tidak perlu dan memperbaiki spasi
    content = re.sub(r'\n+', ' ', content)  # Mengganti garis baru yang berlebihan dengan spasi
    content = re.sub(r'\s+', ' ', content)  # Mengganti spasi yang berlebihan dengan satu spasi

    # Membagi konten berdasarkan nomor seminar (NO)
    seminar_entries = re.split(r'\b\d{1,3}\s+\d{6}\s+', content)
    
    # Mengambil semua nomor seminar yang ditemukan
    no_pattern = r'\b(\d{1,3})\s+\d{6}\s+'
    nos = re.findall(no_pattern, content)

    seminar_info = ""

    for no, entry in zip(nos, seminar_entries[1:]):
        # Menambahkan nomor seminar ke entri
        entry = f"{no} {entry}"

        # Ekstrak informasi menggunakan model
        info = extract_seminar_info(entry)
        seminar_info += f"{info}\n\n"

    return seminar_info

# Membuat antarmuka Gradio
iface = gr.Interface(
    fn=process_file,
    inputs=None,  # Tidak ada input karena file sudah ada di direktori
    outputs="text",
    title="Ekstrak Informasi Seminar",
    description="Aplikasi ini membaca file seminar.txt dan mengekstrak informasi seperti NO, NIM, Nama, Judul Seminar, Reviewer & Pembimbing, dan Waktu."
)

# Menjalankan antarmuka
iface.launch()