Update app.py

app.py

@@ -2,71 +2,70 @@ import time
 import gradio as gr
 from transformers import pipeline
 
-# Настройки
-MAX_TEXT_LENGTH = 2000  # Максимальная длина текста
-HISTORY_SIZE = 5        # Размер истории запросов
+# настройки
+MAX_TEXT_LENGTH = 2000
+HISTORY_SIZE = 5
 
-# Модели для анализа тональности (русский язык)
+# модели для анализа
 MODELS = {
     "Основная модель (rubert-base)": "blanchefort/rubert-base-cased-sentiment",
     "Быстрая модель (rubert-tiny)": "seara/rubert-tiny2-russian-sentiment"
 }
 
-# Глобальные переменные
+# глобальные переменные
 current_model = None
 model_name = None
 history = []
 
-# Загрузка модели
+# загрузка модели
 def load_model(selected_model_name):
     global current_model, model_name
     if model_name != selected_model_name:
         model_name = selected_model_name
         model_path = MODELS[selected_model_name]
-        print(f"Загружаем модель: {model_path}")
         current_model = pipeline("sentiment-analysis", model=model_path)
     return current_model
 
-# Основная функция анализа
+# основная функция анализа
 def analyze_sentiment(text, selected_model):
     global history
     
-    # Проверка ввода
+    # проверка ввода
     if not text or not text.strip():
-        return "❌ Введите текст для анализа", "", ""
+        return "ошибка: введите текст для анализа", "", ""
     
-    # Ограничение длины текста
+    # ограничение длины
     text = text.strip()
     if len(text) > MAX_TEXT_LENGTH:
         text = text[:MAX_TEXT_LENGTH]
-        warning = f"⚠️ Текст обрезан до {MAX_TEXT_LENGTH} символов"
+        warning = f"текст обрезан до {MAX_TEXT_LENGTH} символов"
     else:
         warning = ""
     
-    # Загружаем выбранную модель
+    # загрузка модели
     start_time = time.time()
     try:
         model = load_model(selected_model)
         result = model(text)[0]
         elapsed_time = round((time.time() - start_time) * 1000, 1)
         
-        # Форматируем результат
+        # перевод меток на русский
         label_ru = {
-            "positive": "Позитивный",
-            "negative": "Негативный", 
-            "neutral": "Нейтральный",
-            "LABEL_0": "Негативный",
-            "LABEL_1": "Нейтральный",
-            "LABEL_2": "Позитивный"
+            "positive": "позитивный",
+            "negative": "негативный", 
+            "neutral": "нейтральный",
+            "LABEL_0": "негативный",
+            "LABEL_1": "нейтральный",
+            "LABEL_2": "позитивный"
         }.get(result['label'], result['label'])
         
         score_percent = round(result['score'] * 100, 1)
-        result_text = f"📊 **Результат:** {label_ru}\n"
-        result_text += f"💯 **Уверенность:** {score_percent}%\n"
-        result_text += f"⏱️ **Время анализа:** {elapsed_time} мс\n"
-        result_text += f"🤖 **Модель:** {selected_model}"
+        result_text = f"результат: {label_ru}\n"
+        result_text += f"уверенность: {score_percent}%\n"
+        result_text += f"время анализа: {elapsed_time} мс\n"
+        result_text += f"модель: {selected_model}"
         
-        # Добавляем в историю
+        # добавление в историю
         history_entry = {
             "text": text[:100] + ("..." if len(text) > 100 else ""),
             "sentiment": label_ru,
@@ -75,88 +74,89 @@ def analyze_sentiment(text, selected_model):
             "model": selected_model
         }
         
-        history.insert(0, history_entry)  # Добавляем в начало
+        history.insert(0, history_entry)
         if len(history) > HISTORY_SIZE:
-            history.pop()  # Удаляем самый старый
+            history.pop()
         
-        # Форматируем историю для отображения
-        history_text = "## 📜 История запросов:\n"
+        # форматирование истории
+        history_text = "история запросов:\n"
         for i, entry in enumerate(history, 1):
-            history_text += f"{i}. **Текст:** {entry['text']}\n"
-            history_text += f"   **Тональность:** {entry['sentiment']} ({entry['confidence']})\n"
-            history_text += f"   **Время:** {entry['time']} мс | **Модель:** {entry['model']}\n\n"
+            history_text += f"{i}. текст: {entry['text']}\n"
+            history_text += f"   тональность: {entry['sentiment']} ({entry['confidence']})\n"
+            history_text += f"   время: {entry['time']} мс | модель: {entry['model']}\n\n"
         
         return warning, result_text, history_text
         
     except Exception as e:
-        return f"❌ Ошибка: {str(e)}", "", ""
+        return f"ошибка: {str(e)}", "", ""
 
-# Создаем интерфейс
-with gr.Blocks(title="Анализатор тональности текста", theme=gr.themes.Soft()) as demo:
+# создание интерфейса
+with gr.Blocks(title="анализатор тональности", theme=gr.themes.Soft()) as demo:
     
-    # Заголовок
+    # заголовок
     gr.Markdown("""
-    # 🇷🇺 Анализатор тональности текста
-    Определяет, является ли текст **позитивным**, **негативным** или **нейтральным**
+    # анализатор тональности текста
+    определение тональности: позитивный, негативный, нейтральный
     """)
     
-    # Основная часть
+    # основная часть
     with gr.Row():
         with gr.Column(scale=2):
-            # Ввод
+            # выбор модели
             model_selector = gr.Dropdown(
                 choices=list(MODELS.keys()),
                 value=list(MODELS.keys())[0],
-                label="🤖 Выберите модель"
+                label="выберите модель"
             )
             
+            # поле ввода
             text_input = gr.Textbox(
-                label="📝 Введите текст на русском языке",
-                placeholder="Напишите здесь свой текст...",
+                label="введите текст на русском",
+                placeholder="введите текст здесь...",
                 lines=5,
                 max_lines=10
             )
             
-            analyze_btn = gr.Button("🔍 Проанализировать", variant="primary")
+            # кнопка
+            analyze_btn = gr.Button("анализировать", variant="primary")
             
-            # Примеры
+            # примеры
             gr.Examples(
                 examples=[
-                    ["Это просто прекрасный день, я так счастлив!"],
-                    ["Ужасное обслуживание, никогда больше не приду."],
-                    ["Ну, обычный день, ничего особенного."],
-                    ["Товар соответствует описанию, доставка быстрая."],
-                    ["Ожидал большего, качество оставляет желать лучшего."]
+                    ["это просто прекрасный день, я так счастлив!"],
+                    ["ужасное обслуживание, никогда больше не приду."],
+                    ["ну, обычный день, ничего особенного."],
+                    ["товар соответствует описанию, доставка быстрая."],
+                    ["ожидал большего, качество оставляет желать лучшего."]
                 ],
                 inputs=text_input,
-                label="📋 Примеры для тестирования"
+                label="примеры для теста"
             )
             
         with gr.Column(scale=3):
-            # Вывод
-            warning_output = gr.Markdown(label="⚠️ Уведомления")
-            result_output = gr.Markdown(label="📊 Результат анализа")
-            history_output = gr.Markdown(label="📜 История запросов", value="## 📜 История запросов:\nЗдесь будет отображаться история ваших запросов")
+            # вывод
+            warning_output = gr.Markdown(label="уведомления")
+            result_output = gr.Markdown(label="результат анализа")
+            history_output = gr.Markdown(label="история запросов", value="история запросов:\nздесь будет история ваших запросов")
     
-    # Обработка нажатия кнопки
+    # обработка нажатия
     analyze_btn.click(
         fn=analyze_sentiment,
         inputs=[text_input, model_selector],
         outputs=[warning_output, result_output, history_output]
     )
     
-    # Информация
+    # информация
     gr.Markdown("---")
     gr.Markdown("""
-    ### ℹ️ О проекте
-    - **Максимальная длина текста:** 2000 символов
-    - **История запросов:** сохраняет последние 5 запросов
-    - **Доступные модели:**
-        1. Основная модель (rubert-base) - более точная, но медленнее
-        2. Быстрая модель (rubert-tiny) - менее точная, но быстрее
-    - **Технологии:** Hugging Face Transformers + Gradio
+    ### информация о проекте
+    - максимальная длина текста: 2000 символов
+    - история запросов: последние 5 запросов
+    - доступные модели:
+        1. основная модель (rubert-base) - более точная
+        2. быстрая модель (rubert-tiny) - более быстрая
     """)
 
-# Запуск приложения
+# запуск
 if __name__ == "__main__":
-    demo.launch(debug=True, share=False)
+    demo.launch()