Stable version 2

app.py

@@ -26,7 +26,7 @@ def get_example_predictions(examples):
 
 # Example texts
 examples = [
-    ["3ajbtni barcha el film hedhi"],
+    ["3jebni barcha el film hedha"],
     ["ma7abitch el mekla mte3 el restaurant"],
     ["el jaw fi tounes a7la 7aja"],
     ["ennes el kol te3ba w ma3andhomch flous"],
@@ -72,28 +72,25 @@ iface = gr.Interface(
     </ul>
     
     <p>Try the examples below or enter your own text!</p>
-    <p>!جرب الأمثلة أدناه أو أدخل نصك الخاص</p>
+    <p>!جرب الأمثلة أو أدخل نصك الخاص</p>
     """,
     article="""
-    <h3>About the Model / حول النموذج</h3>
+    <h3>About the Model</h3>
     <p>This sentiment analysis model was trained on a combined dataset from TuniziDataset and the Tunisian Dialect Corpus. 
     It uses TF-IDF vectorization for feature extraction and Logistic Regression for classification.</p>
     
-    <p>تم تدريب نموذج تحليل المشاعر هذا على مجموعة بيانات مجمعة من TuniziDataset ومجموعة اللهجة التونسية. 
-    يستخدم التجزئة TF-IDF لاستخراج الميزات والانحدار اللوجستي للتصنيف.</p>
     
-    <p>The model accepts both Tunisian Arabiz and standard Arabic script.</p>
-    <p>يقبل النموذج كلاً من النص العربيزي التونسي والنص العربي القياسي.</p>
+    <p>The model accepts Tunisian Arabiz written with Latin and Arabic script.</p>
     
-    <h3>Limitations / القيود</h3>
-    <p>Due to dataset limitations, neutral sentiment data was removed to achieve maximum performance. 
-    This model is open-source, and contributions of additional datasets are welcome to improve its capabilities.</p>
+    <h3>Limitations</h3>
+    <p>Due to dataset limitations, neutral sentiment data was removed to achieve maximum performance. </p>
+    <h3>This model is open-source, and contributions of additional datasets are welcome to improve its capabilities.</h3>
+    
+    <h3>هذا النموذج مفتوح المصدر، ونرحب بمساهمات مجموعات البيانات الإضافية لتحسين قدراته.</h3>
     
     <p>The model may not perform well on very colloquial expressions or new slang terms not present in the training data. 
     Sentiment can be nuanced and context-dependent, which may not always be captured accurately by this model.</p>
     
-    <p>قد لا يؤدي النموذج بشكل جيد مع التعبيرات العامية جدًا أو المصطلحات الجديدة غير الموجودة في بيانات التدريب. 
-    يمكن أن تكون المشاعر دقيقة ومعتمدة على السياق، وهو ما قد لا يتم التقاطه بدقة دائمًا بواسطة هذا النموذج.</p>
     """
 )