app.py

import gradio as gr
from optimum.onnxruntime import ORTModelForSequenceClassification
from transformers import AutoTokenizer
import numpy as np
import pandas as pd
import torch
from lime.lime_text import LimeTextExplainer
from collections import OrderedDict
from PIL import Image, ImageDraw, ImageFont

# ১. ONNX মডেল ও টোকেনাইজার লোড (onnx_model ফোল্ডার থেকে)
model_id = "onnx_model" 
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = ORTModelForSequenceClassification.from_pretrained(model_id, file_name="model.onnx")

class_names = ['Negative', 'Neutral', 'Positive']

# ২. প্রেডিক্টর ফাংশন (Internal use for LIME and Real-time)
def predictor(texts):
    inputs = tokenizer(texts, return_tensors="pt", padding=True, truncation=True, max_length=64)
    with torch.no_grad():
        outputs = model(**inputs)
    probs = torch.nn.functional.softmax(outputs.logits, dim=-1)
    return probs.cpu().numpy()

# ৩. Pillow গ্রাফ তৈরির ফাংশন (ব্যাখ্যা দেখুন বাটনের জন্য)
def create_custom_plot(lime_weights, label_name):
    width, height = 850, 650 
    img = Image.new('RGB', (width, height), color=(255, 255, 255))
    draw = ImageDraw.Draw(img)
    
    try:
        font_main = ImageFont.truetype("SolaimanLipi.ttf", 20)
        font_val = ImageFont.truetype("SolaimanLipi.ttf", 16) 
        font_title = ImageFont.truetype("SolaimanLipi.ttf", 30)
    except:
        font_main = ImageFont.load_default()
        font_val = ImageFont.load_default()
        font_title = ImageFont.load_default()

    draw.text((width//2 - 120, 20), f"মডেলের ব্যাখ্যা: {label_name}", fill=(0, 0, 0), font=font_title)
    
    y_start = 100
    bar_height = 35
    center_x = 400 
    max_val = max(lime_weights['weights'].abs().max(), 0.1)
    scale = 250 / max_val 

    for i, row in lime_weights.iterrows():
        word = row['words']
        weight = row['weights']
        val_text = f"{weight:.3f}" 
        
        if weight > 0:
            x0, x1 = center_x, center_x + (weight * scale)
            color = (46, 204, 113) 
            text_pos_x = center_x - 180 
            val_pos_x = x1 + 10 
        else:
            x0, x1 = center_x + (weight * scale), center_x
            color = (231, 76, 60) 
            text_pos_x = center_x + 20 
            val_pos_x = x0 - 55 
        
        draw.rectangle([x0, y_start, x1, y_start + bar_height], fill=color, outline=(0,0,0))
        draw.text((text_pos_x, y_start + 5), word, fill=(0, 0, 0), font=font_main)
        draw.text((val_pos_x, y_start + 8), val_text, fill=(50, 50, 50), font=font_val)
        y_start += 45

    draw.line([center_x, 80, center_x, 600], fill=(0, 0, 0), width=3)
    return img

# ৪. ফাংশন ১: রিয়েল-টাইম প্রেডিকশন
def get_prediction(text):
    if not text or not text.strip():
        return {} # খালি ডিকশনারি
    
    probs = predictor([text])[0]
    confidences = {class_names[i]: float(probs[i]) for i in range(len(class_names))}
    return confidences

# ৫. ফাংশন ২: LIME ব্যাখ্যা (আলাদা বাটন ক্লিকের জন্য)
def get_explanation(text):
    if not text or not text.strip():
        return None
    
    probs = predictor([text])[0]
    label_idx = np.argmax(probs)
    label_name = class_names[label_idx]

    explainer = LimeTextExplainer(class_names=class_names, split_expression=r'\s+')
    # লাইভ মোডে যাতে স্লো না হয়, তাই স্যাম্পল সংখ্যা ১০০০ রাখা হয়েছে
    exp = explainer.explain_instance(text, predictor, num_features=10, labels=(label_idx,), num_samples=1000)
    weights = OrderedDict(exp.as_list(label=label_idx))
    
    lime_weights = pd.DataFrame({'words': list(weights.keys()), 'weights': list(weights.values())})
    chart_img = create_custom_plot(lime_weights, label_name)
    return chart_img


# ৬. রিস্টার্ট বা ক্লিয়ার করার ফাংশন
def clear_inputs():
    return "", {}, None


# ৭. Gradio Layout (Live Update Configuration)
with gr.Blocks() as demo: 
    gr.Markdown("# Real-time Bangla Political Sentiment Analysis with XAI")
    gr.Markdown("")
    
    with gr.Row():    
        with gr.Column():
            all_conf_out = gr.Label(label="প্রধান ফলাফল ও ক্লাসভিত্তিক কনফিডেন্স স্কোর", num_top_classes=3)
            
            input_text = gr.Textbox(
                label="বাংলা টেক্সট লিখুন", 
                lines=5, 
                placeholder="এখানে আপনার মন্তব্যটি টাইপ করুন...",
                interactive=True
            )
            # ব্যাখ্যা দেখার বাটনটি আগের মতোই আলাদা থাকবে
            explain_btn = gr.Button("বিস্তারিত ব্যাখ্যা (LIME) দেখুন", variant="secondary")
            clear_btn = gr.Button("সব মুছে ফেলুন (Reset)", variant="stop") # লাল রঙের বাটন
        
    
    with gr.Row():
        plot_out = gr.Image(label="XAI (LIME) Visualization")

    # [ম্যাজিক লাইন] - টাইপ করার সাথে সাথে প্রেডিকশন হবে
    input_text.change(
        fn=get_prediction, 
        inputs=input_text, 
        outputs=all_conf_out,
        show_progress="hidden" # টাইপিং এর সময় লোডিং বার দেখাবে না যাতে ডিস্টার্ব না হয়
    )
    
    # ব্যাখ্যা বাটন ক্লিক করলে গ্রাফ আসবে
    explain_btn.click(get_explanation, inputs=input_text, outputs=plot_out)

    # [রিসেট বাটন লজিক]
    clear_btn.click(
        fn=clear_inputs, 
        inputs=[], 
        outputs=[input_text, all_conf_out, plot_out]
    )

demo.launch(theme=gr.themes.Soft())