Create app.py

app.py

@@ -0,0 +1,191 @@
+import gradio as gr
+from transformers import pipeline
+import time
+import pandas as pd
+from datetime import datetime
+
+# Загружаем модель для классификации тем
+model_name = "cointegrated/rubert-tiny2-cedr-emotion-detection"
+classifier = pipeline("text-classification", model=model_name)
+
+# Словарь для перевода меток на русский
+TOPIC_LABELS_RU = {
+    'neutral': '🗿 Нейтральная',
+    'sadness': '😔 Грусть/печаль',
+    'fear': '😨 Страх/опасение',
+    'anger': '😡 Злость/гнев',
+    'joy': '😊 Радость',
+    'love': '❤️ Любовь/симпатия',
+    'surprise': '😯 Удивление'
+}
+
+# История запросов
+history = []
+MAX_HISTORY = 10
+
+def classify_topic(text, show_top_n=3):
+    """Классифицирует текст по темам"""
+    
+    # Проверка ошибок
+    if not text or text.strip() == "":
+        return "⚠️ Пожалуйста, введите текст для анализа", "", []
+    
+    if len(text) > 2000:
+        return "⚠️ Текст слишком длинный (максимум 2000 символов)", "", []
+    
+    try:
+        # Измеряем время выполнения
+        start_time = time.time()
+        
+        # Классификация
+        results = classifier(text, top_k=show_top_n)
+        elapsed_time = time.time() - start_time
+        
+        # Форматируем результаты
+        output_text = f"📊 **Результаты классификации:**\n\n"
+        
+        for i, result in enumerate(results, 1):
+            label_en = result['label']
+            label_ru = TOPIC_LABELS_RU.get(label_en, label_en)
+            score = result['score'] * 100
+            
+            # Прогресс-бар
+            bar_length = 20
+            filled = int(score * bar_length / 100)
+            progress_bar = "█" * filled + "░" * (bar_length - filled)
+            
+            output_text += f"{i}. **{label_ru}** - {score:.1f}%\n"
+            output_text += f"   {progress_bar}\n\n"
+        
+        output_text += f"\n⏱️ **Время обработки:** {elapsed_time:.2f} секунд"
+        
+        # Сохраняем в историю
+        timestamp = datetime.now().strftime("%H:%M:%S")
+        top_result = results[0]['label']
+        history.insert(0, {
+            'time': timestamp,
+            'text': text[:50] + ("..." if len(text) > 50 else ""),
+            'topic': TOPIC_LABELS_RU.get(top_result, top_result),
+            'confidence': f"{results[0]['score']*100:.1f}%"
+        })
+        
+        # Ограничиваем историю
+        if len(history) > MAX_HISTORY:
+            history.pop()
+        
+        # Создаём DataFrame для таблицы
+        df = pd.DataFrame(history)
+        
+        return output_text, f"✅ Текст успешно обработан за {elapsed_time:.2f} сек", df
+        
+    except Exception as e:
+        return f"❌ **Ошибка:** {str(e)}", "", []
+
+def clear_history():
+    """Очищает историю запросов"""
+    global history
+    history = []
+    return pd.DataFrame()
+
+# Создаём интерфейс
+with gr.Blocks(title="Классификатор тем текста", theme=gr.themes.Soft()) as demo:
+    gr.Markdown("# 🏷️ Классификатор тем текста")
+    gr.Markdown("Определяет эмоциональную окраску и тему текста")
+    
+    with gr.Row():
+        with gr.Column(scale=2):
+            # Входные элементы
+            text_input = gr.Textbox(
+                label="📝 Введите текст для анализа",
+                placeholder="Например: 'Я очень рад, что получил отличную оценку на экзамене!'",
+                lines=5,
+                max_lines=10
+            )
+            
+            with gr.Row():
+                top_n_slider = gr.Slider(
+                    minimum=1,
+                    maximum=7,
+                    value=3,
+                    step=1,
+                    label="🔢 Количество топ-тем для показа"
+                )
+            
+            analyze_btn = gr.Button("🚀 Анализировать текст", variant="primary", size="lg")
+            clear_btn = gr.Button("🧹 Очистить историю", variant="secondary")
+            
+            # Примеры
+            gr.Markdown("### 📌 Готовые примеры")
+            examples = gr.Examples(
+                examples=[
+                    ["Я в восторге от этого фильма, актёры сыграли просто потрясающе!"],
+                    ["Очень боюсь завтрашнего экзамена, не уверен, ч��о готов к нему."],
+                    ["Меня бесит, что автобус снова опоздал на 30 минут."],
+                    ["Сегодня обычный день, ничего особенного не произошло."],
+                    ["Я обожаю свою девушку, она самая лучшая на свете!"],
+                    ["Неожиданно получил повышение на работе, не могу поверить!"],
+                    ["Мне так грустно, что каникулы уже закончились."]
+                ],
+                inputs=text_input,
+                label="Кликните на любой пример"
+            )
+        
+        with gr.Column(scale=3):
+            # Результаты
+            output_md = gr.Markdown(label="📊 Результаты классификации")
+            status_text = gr.Textbox(label="✅ Статус", interactive=False)
+            
+            gr.Markdown("### 📋 История запросов")
+            history_table = gr.Dataframe(
+                headers=["Время", "Текст", "Тема", "Уверенность"],
+                datatype=["str", "str", "str", "str"],
+                interactive=False,
+                height=300
+            )
+    
+    # Обработчики событий
+    analyze_btn.click(
+        fn=classify_topic,
+        inputs=[text_input, top_n_slider],
+        outputs=[output_md, status_text, history_table]
+    )
+    
+    clear_btn.click(
+        fn=clear_history,
+        inputs=[],
+        outputs=[history_table]
+    )
+    
+    # Информационный блок
+    gr.Markdown("---")
+    with gr.Accordion("📚 Подробная информация о модели", open=False):
+        gr.Markdown("""
+        **Используемая модель:** `cointegrated/rubert-tiny2-cedr-emotion-detection`
+        
+        **Возможные темы/эмоции:**
+        - 😊 **joy** - Радость, счастье, удовольствие
+        - ❤️ **love** - Любовь, симпатия, нежность
+        - 😡 **anger** - Злость, гнев, раздражение
+        - 😨 **fear** - Страх, опасение, тревога
+        - 😔 **sadness** - Грусть, печаль, тоска
+        - 😯 **surprise** - Удивление, изумление
+        - 🗿 **neutral** - Нейтральный текст без эмоций
+        
+        **Технические детали:**
+        - Модель на основе RuBERT Tiny
+        - Обучена на русскоязычных текстах
+        - Работает на CPU за 1-3 секунды
+        - Поддерживает тексты до 2000 символов
+        """)
+    
+    gr.Markdown("---")
+    gr.Markdown("""
+    ### ⚠️ Ограничения и примечания
+    1. Максимальная длина текста: **2000 символов**
+    2. Язык: **русский** (для английского точность ниже)
+    3. Модель определяет **эмоциональную окраску**, а не предметную тему
+    4. Не распознаёт иронию, сарказм и сложные метафоры
+    """)
+
+if __name__ == "__main__":
+    demo.launch(debug=False)