Rename chatbot2.py to app.py

chatbot2.py → app.py

@@ -1,55 +1,55 @@
-import gradio as gr
-from sentence_transformers import SentenceTransformer, util
-import pandas as pd
-import torch
-
-# تحميل الموديل من Hugging Face
-model = SentenceTransformer("yazied49/NAdine3")
-
-# تحميل البيانات
-df = pd.read_csv("final_special_needs_qa.csv")  # استخدم CSV بدلًا من Excel
-questions = df["question"].tolist()
-answers = df["answer"].tolist()
-question_embeddings = model.encode(questions, convert_to_tensor=True)
-
-# الردود الاجتماعية الجاهزة
-greetings = {
-    "هاي": "أهلاً وسهلاً! 😊 إزاي أقدر أساعدك؟",
-    "ازيك": "أنا تمام! شكرًا لسؤالك. عندك أي سؤال متعلق بذوي الاحتياجات الخاصة؟",
-    "السلام عليكم": "وعليكم السلام ورحمة الله وبركاته!",
-    "شكرا": "العفو! أنا دايمًا هنا للمساعدة 😊",
-    "thanks": "You're welcome! 💙",
-    "hi": "Hi there! How can I help you?",
-    "hello": "Hello! Feel free to ask anything.",
-    "merci": "على الرحب والسعة!",
-}
-
-def get_answer(user_input):
-    user_input_lower = user_input.lower().strip()
-
-    # الردود الاجتماعية
-    for key in greetings:
-        if key in user_input_lower:
-            return greetings[key]
-
-    # التحقق من أقرب سؤال
-    input_embedding = model.encode(user_input, convert_to_tensor=True)
-    cos_scores = util.pytorch_cos_sim(input_embedding, question_embeddings)[0]
-    best_match_idx = torch.argmax(cos_scores).item()
-    best_score = cos_scores[best_match_idx].item()
-
-    if best_score < 0.4:
-        return "معذرة، مفهمتش السؤال كويس. ممكن توضّح أكتر؟ 🤔"
-
-    return answers[best_match_idx]
-
-# واجهة Gradio
-iface = gr.Interface(
-    fn=get_answer,
-    inputs=gr.Textbox(lines=2, placeholder="اكتب سؤالك هنا..."),
-    outputs="text",
-    title="🤖 المساعد الطبي لذوي الاحتياجات الخاصة",
-    description="اسأل أي سؤال متعلق بذوي الاحتياجات الخاصة وسنحاول مساعدتك."
-)
-
-iface.launch()
+import gradio as gr
+from sentence_transformers import SentenceTransformer, util
+import pandas as pd
+import torch
+
+# تحميل الموديل من Hugging Face
+model = SentenceTransformer("yazied49/NAdine3")
+
+# تحميل البيانات
+df = pd.read_csv("final_special_needs_qa.csv")  # استخدم CSV بدلًا من Excel
+questions = df["question"].tolist()
+answers = df["answer"].tolist()
+question_embeddings = model.encode(questions, convert_to_tensor=True)
+
+# الردود الاجتماعية الجاهزة
+greetings = {
+    "هاي": "أهلاً وسهلاً! 😊 إزاي أقدر أساعدك؟",
+    "ازيك": "أنا تمام! شكرًا لسؤالك. عندك أي سؤال متعلق بذوي الاحتياجات الخاصة؟",
+    "السلام عليكم": "وعليكم السلام ورحمة الله وبركاته!",
+    "شكرا": "العفو! أنا دايمًا هنا للمساعدة 😊",
+    "thanks": "You're welcome! 💙",
+    "hi": "Hi there! How can I help you?",
+    "hello": "Hello! Feel free to ask anything.",
+    "merci": "على الرحب والسعة!",
+}
+
+def get_answer(user_input):
+    user_input_lower = user_input.lower().strip()
+
+    # الردود الاجتماعية
+    for key in greetings:
+        if key in user_input_lower:
+            return greetings[key]
+
+    # التحقق من أقرب سؤال
+    input_embedding = model.encode(user_input, convert_to_tensor=True)
+    cos_scores = util.pytorch_cos_sim(input_embedding, question_embeddings)[0]
+    best_match_idx = torch.argmax(cos_scores).item()
+    best_score = cos_scores[best_match_idx].item()
+
+    if best_score < 0.4:
+        return "Sorry, I didn't understand your question. Can you please rephrase? 🤔"
+
+    return answers[best_match_idx]
+
+# واجهة Gradio
+iface = gr.Interface(
+    fn=get_answer,
+    inputs=gr.Textbox(lines=2, placeholder="Type your question here..."),
+    outputs="text",
+    title="🤖 Special Needs Medical Assistant",
+    description="Ask any question related to special needs and we'll try to help you"
+)
+
+iface.launch()