Update app.py

app.py

@@ -1,53 +1,49 @@
 import gradio as gr
 from transformers import pipeline
 
-# Duygu analizi modelini yükle
-# Bu model normalde sadece pozitif (LABEL_1) ve negatif (LABEL_0) döndürür.
-model_name = "savasy/bert-base-turkish-sentiment-cased"
+# Duygu analizi için 3 sınıflı (pozitif, negatif, nötr) bir model yükle
+# Bu model, Türkçe dahil birçok dilde çalışır ve doğrudan 3 etiket döndürür.
+model_name = "lxyuan/distilbert-base-multilingual-cased-sentiments-student"
 sentiment_pipeline = pipeline("sentiment-analysis", model=model_name)
 
 def analyze_sentiment(text):
     """
     Verilen metnin duygu analizini yapar.
-    Modelin çıktısını işleyerek pozitif, negatif veya nötr olarak sınıflandırır.
+    Modelin çıktısını doğrudan kullanarak pozitif, negatif veya nötr olarak sınıflandırır.
     """
     # Pipeline'ı çalıştırarak sonucu al
     result = sentiment_pipeline(text)[0]
     label = result['label']
     score = result['score']
 
-    # Nötr durumu için bir eşik değeri (threshold) belirliyoruz.
-    # Modelin tahmin skoru bu eşik değerinin altındaysa,
-    # cümlenin ne tam pozitif ne de tam negatif olduğuna karar verip "nötr" olarak etiketliyoruz.
-    # Bu değeri ihtiyacınıza göre ayarlayabilirsiniz. Örneğin 0.90 gibi daha yüksek bir değer,
-    # sadece modelin çok emin olduğu durumları pozitif/negatif olarak etiketler.
-    threshold = 0.85
+    # Modelin İngilizce etiketlerini Türkçe'ye çevirelim
+    turkish_label = "Bilinmiyor"
+    if label == 'positive':
+        turkish_label = 'Pozitif'
+    elif label == 'negative':
+        turkish_label = 'Negatif'
+    elif label == 'neutral':
+        turkish_label = 'Nötr'
 
-    if label == "LABEL_1" and score > threshold:
-        # Eğer etiket pozitifse ve skor eşik değerinden yüksekse "pozitif" döndür.
-        return "Pozitif"
-    elif label == "LABEL_0" and score > threshold:
-        # Eğer etiket negatifse ve skor eşik değerinden yüksekse "negatif" döndür.
-        return "Negatif"
-    else:
-        # Yukarıdaki koşullar sağlanmıyorsa (yani skor eşik değerinden düşükse),
-        # modelin kararsız olduğunu varsayarak "nötr" döndür.
-        return "Nötr"
+    # Sonucu etiket ve güven skoruyla birlikte daha anlaşılır bir formatta döndür
+    return f"Sonuç: {turkish_label} (Güven Skoru: {score:.2f})"
 
 # Gradio arayüzünü ve API'yi oluştur
 iface = gr.Interface(
     fn=analyze_sentiment,
     inputs=gr.Textbox(lines=3, placeholder="Analiz edilecek metni buraya girin..."),
-    outputs=gr.Textbox(label="Sonuç"),
-    title="Türkçe Duygu Analizi (3 Durumlu)",
-    description="Girilen cümlenin duygu durumunu (Pozitif, Nötr, Negatif) analiz eder. Modelin güven skoru belirli bir eşiğin altındaysa 'Nötr' olarak kabul edilir.",
+    outputs=gr.Textbox(label="Analiz Sonucu"),
+    title="Türkçe Duygu Analizi (3 Sınıflı Model)",
+    description="Girilen cümlenin duygu durumunu (Pozitif, Nötr, Negatif) analiz eder. Bu versiyon, doğrudan 3 sınıf tahmini yapabilen farklı bir model kullanır.",
     examples=[
         ["Bu filmi çok beğendim, harikaydı!"],
         ["Yemekler fena değildi ama servis yavaştı."],
-        ["Bugün hava ne sıcak ne de soğuk."],
+        ["Bugün uçağım rötar yaptı."],
         ["Ürünün kalitesinden hiç memnun kalmadım."],
+        ["Konu hakkında bir fikrim yok."]
     ]
 )
 
 # Arayüzü başlat
 iface.launch()
+