Update app.py

app.py

@@ -1,49 +1,40 @@
 import gradio as gr
 from transformers import pipeline
 
-# 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"
+# 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.
-    Modelin çıktısını işleyerek ve bir güven eşiği kullanarak pozitif, negatif veya nötr olarak sınıflandırır.
+    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']
 
-    # Düşük güven skorlu pozitif/negatif tahminleri nötr olarak kabul etmek için bir eşik değeri.
-    # Model 'positive' veya 'negative' dediğinde skor bu değerin altındaysa, sonucu 'Nötr' yapacağız.
-    confidence_threshold = 0.75
+    # 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'
 
-    # Modelin İngilizce etiketlerini Türkçe'ye çevirelim
-    final_label = "Bilinmiyor"
-    
-    if label == 'neutral':
-        # Model zaten Nötr dediyse, bunu kabul ediyoruz.
-        final_label = 'Nötr'
-    elif (label == 'positive' or label == 'negative') and score < confidence_threshold:
-        # Model pozitif veya negatif demiş ama skoru düşükse, bunu Nötr olarak kabul ediyoruz.
-        final_label = 'Nötr'
-    elif label == 'positive':
-        final_label = 'Pozitif'
-    elif label == 'negative':
-        final_label = 'Negatif'
-
-    # Sonucu, nihai etiket ve modelin orijinal tahminiyle birlikte daha anlaşılır bir formatta döndür
-    return f"Sonuç: {final_label} (Modelin Ham Tahmini: {label.capitalize()}, Skor: {score:.2f})"
+    # 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 (Güven Eşikli Model)",
-    description="Girilen cümlenin duygu durumunu analiz eder. Modelin pozitif/negatif tahminlerindeki güven skoru belirli bir eşiğin altındaysa, sonuç 'Nötr' olarak kabul edilir.",
+    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."],