| |
| import streamlit as st |
| import numpy as np |
| import pandas as pd |
| import time |
| import torch |
| from transformers import AutoTokenizer, AutoModelForSequenceClassification |
|
|
| model_t_checkpoint = 'cointegrated/rubert-tiny-toxicity' |
| tokenizer_t = AutoTokenizer.from_pretrained(model_t_checkpoint) |
| model_t = AutoModelForSequenceClassification.from_pretrained(model_t_checkpoint) |
|
|
| def text2toxicity(text, aggregate=True): |
| with torch.no_grad(): |
| inputs = tokenizer_t(text, return_tensors='pt', truncation=True, padding=True).to('cpu') |
| proba = torch.sigmoid(model_t(**inputs).logits).cpu().numpy() |
| if isinstance(text, str): |
| proba = proba[0] |
| if aggregate: |
| return 1 - proba.T[0] * (1 - proba.T[-1]) |
| return proba |
|
|
| def toxicity_page(): |
| st.title(""" |
| Определим токсичный комментарий или нет |
| """) |
|
|
| user_text_input = st.text_area('Введите ваш отзыв здесь:') |
|
|
| if st.button('Предсказать'): |
| start_time = time.time() |
| proba = text2toxicity(user_text_input, True) |
| end_time = time.time() |
| prediction_time = end_time - start_time |
|
|
| if proba >= 0.5: |
| st.write(f'Степень токсичности комментария: {round(proba, 2)} – комментарий токсичный.') |
| st.image('maxresdefault.jpg') |
| else: |
| st.write(f'Степень токсичности комментария: {round(proba, 2)} – комментарий не токсичный.') |
| st.image('c793397a-39df-5ff7-8137-e59568352c11.jpeg') |
| st.write(f'Время предсказания: {prediction_time:.4f} секунд') |
|
|
| st.markdown("<h3 style='font-size: 18px;'>Ссылка на Токсичный бот</h3>", unsafe_allow_html=True) |
| st.markdown("[Токсичный бот](https://t.me/toxic1101_bot)") |
|
|
