feat: reducing the demo loading by using the common NLP object

examples/relation.py

@@ -1,15 +1,12 @@
 import gradio as gr
-
-import spacy
 import pandas as pd
-from spacy import displacy
 
+from examples.common import NLP
 from resources import triples
 
-nlp = spacy.load("hu_core_news_trf")
 
 def process(text: str) -> pd.DataFrame:
-    doc = nlp(text)
+    doc = NLP(text)
     tuples_to_list = list()
 
     tuples = triples.subject_verb_object_triples(doc)
@@ -33,25 +30,19 @@ def process(text: str) -> pd.DataFrame:
         object += str(obj_multiple) + ", "
     object = object[:-2]
 
-    relation_list = [[subject,
-                    verb,
-                    object]]
+    relation_list = [[subject, verb, object]]
 
     return pd.DataFrame(relation_list, columns=['Subject', 'Verb', 'Object'])
 
-EXAMPLES = ["Anna éppen most házat épít magának.",
-            "Noémi gulyáslevest szeret főzni, ha éhes.",
-            "Balázs Jéghideg helyi ananászlevet ivott Hawaii fehér homokos partján.",
-            "Júliska fagyit árul a nyáron teljes állásban.",
-            "Einstein megmutatta a házát építés közben.",
-            "Hawking nyilatkozott egy levelet, miszerint a felfedezései az élete legizgalmasabb eseményei voltak."]
-
-# process(EXAMPLES[0])
 
-# displacy checker
-# text = nlp(EXAMPLES[1])
-# displacy.serve(text, style="dep")
-# alma = 41
+EXAMPLES = [
+    "Anna éppen most házat épít magának.",
+    "Noémi gulyáslevest szeret főzni, ha éhes.",
+    "Balázs jéghideg helyi ananászlevet ivott Hawaii fehér homokos partján.",
+    "Júliska fagyit árul a nyáron teljes állásban.",
+    "Einstein megmutatta a házát építés közben.",
+    "Hawking nyilatkozott egy levelet, miszerint a felfedezései az élete legizgalmasabb eseményei voltak."
+]
 
 demo = gr.Interface(
     fn=process,