examples/relation.py

import gradio as gr

import spacy
import sys
import pandas as pd
from spacy import displacy

sys.path.append('/home/gszabo/PycharmProjects/textacy/textacy/src/textacy/extract')
import triples

nlp = spacy.load("hu_core_news_lg")

def process(text: str) -> pd.DataFrame:
    doc = nlp(text)
    tuples_to_list = list()

    tuples = triples.subject_verb_object_triples(doc)
    if tuples:
        tuples_to_list = list(tuples)

    subject = ""
    verb = ""
    object = ""

    if len(tuples_to_list) == 0:
        return pd.DataFrame([["-", "-", "-"]], columns=['Subject', 'Verb', 'Object'])

    for sub_multiple in tuples_to_list[0][0]:
        subject += str(sub_multiple) + ", "
    subject = subject[:-2]
    for verb_multiple in tuples_to_list[0][1]:
        verb += str(verb_multiple) + ", "
    verb = verb[:-2]
    for obj_multiple in tuples_to_list[0][2]:
        object += str(obj_multiple) + ", "
    object = object[:-2]

    relation_list = [[subject,
                    verb,
                    object]]

    return pd.DataFrame(relation_list, columns=['Subject', 'Verb', 'Object'])

EXAMPLES = ["Vespucci 1450-es években született Firenzében, és 1497 és 1504 között legalább két felfedező úton vett részt.",
            "Einstein megmutatta, ha feltételezi, hogy a fény valóban csak diszkrét csomagokban terjed, akkor meg tudja magyarázni a fényelektromos jelenség furcsa tulajdonságait.",
            "Einstein megállapította, hogy hasonló energiaeloszlás lehet érvényes az atomokra is.",
            "Hawking úgy nyilatkozott, hogy a felfedezései az élete legizgalmasabb eseményei voltak."]

# displacy checker
# text = nlp(EXAMPLES[3])
# displacy.serve(text, style="dep")

demo = gr.Interface(
    fn=process,
    inputs=gr.Textbox(value=EXAMPLES[0], lines=10, label="Input text", show_label=True),
    outputs=gr.DataFrame(label="Keywords", show_label=False, max_cols=3, max_rows=1),
    examples=EXAMPLES,
    # cache_examples=True,
)