Update app.py

app.py

@@ -1,41 +1,70 @@
-#import streamlit as st
-
-#x = st.slider('Select a value')
-#st.write(x, 'squared is', x * x)
 import streamlit as st
 from transformers import pipeline, AutoModelForMaskedLM, AutoTokenizer
 
+# CLTK per l'analisi testuale del latino
+try:
+    from cltk import NLP
+    nlp_lat = NLP(language="lat")
+except ImportError:
+    nlp_lat = None
 
-st.title("Completamento di parole in testi Latino Antico")
-st.write("Inserisci un testo con il token [MASK] per vedere le previsioni del modello.")
-
+# Titolo app
+st.title("Completamento di parole in testi Latino Antico con Analisi Morfologica")
 
-st.write("Esempi di testo:");
-st.write("Asdrubal, frater Annibalis, qui secundo Punico bello [MASK] ingentibus copiis ab Hispania veniens > cum");
-st.write("hanno et mago qui [MASK]  punico bello cornelium consulem aput liparas ceperunt > primo");
-st.write("Lorem ipsum dolor sit amet, [MASK] adipiscing elit. > consectetur");
-st.write("Populus Romanus cum Macedonibus [MASK] ter gessit => bellum");
-input_text = st.text_input("Testo:", value="Lorem ipsum dolor sit amet, [MASK] adipiscing elit.")
+# Esempi di testo di partenza
+st.write("Esempi di testo:")
+st.write("Asdrubal, frater Annibalis, qui secundo Punico bello [MASK] ingentibus copiis ab Hispania veniens ...")
+st.write("hanno et mago qui [MASK]  punico bello cornelium consulem aput liparas ceperunt ...")
+st.write("Lorem ipsum dolor sit amet, [MASK] adipiscing elit.")
+st.write("Populus Romanus cum Macedonibus [MASK] ter gessit")
 
-# Model based on BERT
-#modelname = "./models/latin_bert/"
-#Hugging face LuisAVasquez/simple-latin-bert-uncased
-#modelname_lv = "LuisAVasquez/simple-latin-bert-uncased"
-#https://github.com/dbamman/latin-bert
+# Input utente
+input_text = st.text_input("Testo:", 
+    value="Lorem ipsum dolor sit amet, [MASK] adipiscing elit.")
 
-#ClassCat/roberta-base-latin-v2
+# Caricamento modello e tokenizer (esempio con un modello RoBERTa addestrato su testi latini)
+# Cambia i nomi dei modelli secondo le tue necessità
 tokenizer_roberta = AutoTokenizer.from_pretrained("Cicciokr/Roberta-Base-Latin-Uncased")
 model_roberta = AutoModelForMaskedLM.from_pretrained("Cicciokr/Roberta-Base-Latin-Uncased")
-fill_mask_roberta = pipeline("fill-mask", model=model_robertaclasscat, tokenizer=tokenizer_robertaclasscat)
-
+fill_mask_roberta = pipeline("fill-mask", model=model_roberta, tokenizer=tokenizer_roberta)
 
 if input_text:
-    predictions = fill_mask(input_text)
-    
+    # Sostituisci [MASK] con il token <mask> usato dal modello RoBERTa
     input_text_roberta = input_text.replace("[MASK]", "<mask>")
-    predictions_roberta = fill_mask_roberta(input_text_roberta)    
+
+    # Ottenere le predizioni
+    predictions_roberta = fill_mask_roberta(input_text_roberta)
+
     st.subheader("Risultati delle previsioni:")
-    for pred_roberta in predictions_roberta:
-        st.write(f"**Parola**: {pred_roberta['token_str']}, **Probabilità**: {pred_roberta['score']:.4f}, **Sequence**: {pred_roberta['sequence']}")
+    for i, pred_roberta in enumerate(predictions_roberta):
+        st.write(
+            f"**Previsione {i+1}:** "
+            f"Parola: {pred_roberta['token_str']} | "
+            f"Probabilità: {pred_roberta['score']:.4f}"
+        )
+        st.write(f"Sequence: {pred_roberta['sequence']}")
+        st.write("---")
+    
+    # Se vuoi fare l'analisi morfologica con CLTK sulle frasi predette
+    if nlp_lat is not None:
+        st.subheader("Analisi Morfologica CLTK delle frasi predette")
+
+        for i, pred_roberta in enumerate(predictions_roberta):
+            # Ricostruisci la frase sostituendo <mask> con il token predetto
+            predicted_text = input_text_roberta.replace("<mask>", pred_roberta['token_str'])
 
-  
+            # Esegui l'analisi NLP con CLTK sul testo completo
+            doc = nlp_lat(predicted_text)
+            
+            st.write(f"**Analisi frase {i+1}:** {predicted_text}")
+            for token in doc.tokens:
+                st.write(
+                    f"- **Token**: {token.string}\n"
+                    f"  - Lemma: {token.lemma}\n"
+                    f"  - UPOS: {token.upos}\n"
+                    f"  - Caratteristiche morfologiche: {token.features}\n"
+                )
+            st.write("---")
+    else:
+        st.write("**CLTK non installato o non importato correttamente.** "
+                 "Esegui `pip install cltk` e riavvia l'app.")