Delete app.py

app.py

@@ -1,49 +0,0 @@
-import gradio as gr
-from transformers import pipeline
-
-# Özellikle Türkçe için eğitilmiş ve 3 sınıfı (pozitif, negatif, nötr) destekleyen bir model yükle
-model_name = "nlptr/distilbert-base-turkish-cased-sentiment"
-sentiment_pipeline = pipeline("sentiment-analysis", model=model_name)
-
-def analyze_sentiment(text):
-    """
-    Verilen metnin duygu analizini yapar.
-    Doğrudan 3 sınıf tahmini yapabilen Türkçe bir modelin çıktısını işler.
-    """
-    # Pipeline'ı çalıştırarak sonucu al
-    result = sentiment_pipeline(text)[0]
-    label = result['label']
-    score = result['score']
-
-    # Modelin etiketlerini Türkçe'ye çevirelim
-    # Bu modelin etiketleri: LABEL_0 -> negative, LABEL_1 -> neutral, LABEL_2 -> positive
-    turkish_label = "Bilinmiyor"
-    if label == 'LABEL_2':
-        turkish_label = 'Pozitif'
-    elif label == 'LABEL_1':
-        turkish_label = 'Nötr'
-    elif label == 'LABEL_0':
-        turkish_label = 'Negatif'
-
-    # 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="Analiz Sonucu"),
-    title="Türkçe Duygu Analizi (Türkçe Model)",
-    description="Girilen cümlenin duygu durumunu analiz eder. Bu versiyon, doğrudan 3 sınıf (Pozitif, Nötr, Negatif) tahmini yapabilen, Türkçe'ye özel bir model kullanır.",
-    examples=[
-        ["Bu filmi çok beğendim, harikaydı!"],
-        ["Yemekler fena değildi ama servis yavaştı."],
-        ["Bugün uçağım rötar yaptı."],
-        ["Arabanın rengi kırmızı."],
-        ["Konu hakkında bir fikrim yok."]
-    ]
-)
-
-# Arayüzü başlat
-iface.launch()
-