import streamlit as st from transformers import pipeline, AutoModelForSequenceClassification, AutoTokenizer, AutoModelForTokenClassification, AutoModelForCausalLM import pandas as pd import spacy import io import torch import torchaudio import librosa from transformers import Wav2Vec2ForCTC, Wav2Vec2Processor st.set_page_config(layout="wide") # Örnek metin listesi example_list = [ "Mustafa Kemal Atatürk 1919 yılında Samsun'a çıktı.", """Mustafa Kemal Atatürk, Türk asker, devlet adamı ve Türkiye Cumhuriyeti'nin kurucusudur. Birinci Dünya Savaşı sırasında Osmanlı ordusunda görev yapan Atatürk, Çanakkale Cephesi'nde miralaylığa, Sina ve Filistin Cephesi'nde ise Yıldırım Orduları komutanlığına atandı. Savaşın sonunda, Osmanlı Imparatorluğu'nun yenilgisini takiben Kurtuluş Savaşı ile simgelenen Türk Ulusal Hareketi'ne öncülük ve önderlik etti. Türk Kurtuluş Savaşı sürecinde Ankara Hükümeti'ni kurdu, Türk Orduları Başkomutanı olarak Sakarya Meydan Muharebesi'ndeki başarısından dolayı 19 Eylül 1921 tarihinde "Gazi" unvanını aldı ve mareşallik rütbesine yükseldi. Askeri ve siyasi eylemleriyle İtilaf Devletleri ve destekçilerine karşı zafer kazandı. Savaşın ardından Cumhuriyet Halk Partisi'ni Halk Fırkası adıyla kurdu ve ilk genel başkanı oldu. 29 Ekim 1923'te Cumhuriyetin ilanı akabinde Cumhurbaşkanı seçildi. 1938'deki ölümüne dek dört dönem bu görevi yürüterek Türkiye'de en uzun süre cumhurbaşkanlığı yapmış kişi oldu.""" ] # Uygulama başlığı st.title("NLP Toolkit") # Model seçim model_list = { 'Metin Sınıflandırma': 'dbmdz/bert-base-turkish-cased', 'Metin Analizi': 'savasy/bert-base-turkish-ner-cased', 'Duygu Analizi': 'akdeniz27/xlm-roberta-base-turkish-ner', 'Metin Oluşturma': 'dbmdz/bert-base-turkish-cased' } st.sidebar.header("Select NER Model") model_checkpoint = st.sidebar.radio("", model_list) st.sidebar.write("For details of models: 'https://huggingface.co/WhiteAngelss/") st.sidebar.write("") if model_checkpoint == "akdeniz27/xlm-roberta-base-turkish-ner": aggregation = "simple" else: aggregation = "first" # Metin giriş yöntemi st.subheader("Metin Giriş Yöntemi Seç") input_method = st.radio("", ('Örneklerden Seç', 'Metin Yaz veya Yapıştır', 'Dosya Yükle', 'Ses Dosyası Yükle')) if input_method == 'Örneklerden Seç': selected_text = st.selectbox('Metin Seç', example_list, index=0, key="example_selectbox") input_text = st.text_area("Metin", selected_text, height=128, key="text_area") elif input_method == "Metin Yaz veya Yapıştır": input_text = st.text_area('Metin Yaz veya Yapıştır', value="", height=128, key="text_area") elif input_method == "Dosya Yükle": uploaded_file = st.file_uploader("Dosya Seç", type="txt") if uploaded_file is not None: input_text = str(uploaded_file.read(), "utf-8") else: input_text = "" elif input_method == "Ses Dosyası Yükle": uploaded_audio = st.file_uploader("Ses Dosyasını Seç", type=["wav"], key="audio_file_uploader") audio_bytes = uploaded_audio.read() if uploaded_audio is not None else None @st.cache_resource def load_pipeline(model_name, task_type): if task_type == "Metin Sınıflandırma": model = AutoModelForSequenceClassification.from_pretrained(model_name) tokenizer = AutoTokenizer.from_pretrained(model_name) return pipeline('text-classification', model=model, tokenizer=tokenizer) elif task_type == "Metin Analizi": model = AutoModelForTokenClassification.from_pretrained(model_name) tokenizer = AutoTokenizer.from_pretrained(model_name) return pipeline('ner', model=model, tokenizer=tokenizer) elif task_type == "Duygu Analizi": model = AutoModelForSequenceClassification.from_pretrained(model_name) tokenizer = AutoTokenizer.from_pretrained(model_name) return pipeline('sentiment-analysis', model=model, tokenizer=tokenizer) elif task_type == "Metin Oluşturma": model = AutoModelForCausalLM.from_pretrained(model_name) tokenizer = AutoTokenizer.from_pretrained(model_name) return pipeline('text-generation', model=model, tokenizer=tokenizer) @st.cache_resource def setModel(model_checkpoint, aggregation): model = AutoModelForTokenClassification.from_pretrained(model_checkpoint) tokenizer = AutoTokenizer.from_pretrained(model_checkpoint) return pipeline('ner', model=model, tokenizer=tokenizer, aggregation_strategy=aggregation) @st.cache_resource def get_html(html: str): WRAPPER = """
{}
""" html = html.replace("\n", " ") return WRAPPER.format(html) @st.cache_resource def entity_comb(output): output_comb = [] for ind, entity in enumerate(output): if ind == 0: output_comb.append(entity) elif output[ind]["start"] == output[ind-1]["end"] and output[ind]["entity_group"] == output[ind-1]["entity_group"]: output_comb[-1]["word"] = output_comb[-1]["word"] + output[ind]["word"] output_comb[-1]["end"] = output[ind]["end"] else: output_comb.append(entity) return output_comb # Ses dosyasını metne çevirme fonksiyonu def transcribe_audio(audio_file): processor = Wav2Vec2Processor.from_pretrained("facebook/wav2vec2-large-xlsr-53") model = Wav2Vec2ForCTC.from_pretrained("facebook/wav2vec2-large-xlsr-53") audio_input = io.BytesIO(audio_file) waveform, sample_rate = torchaudio.load(audio_input, normalize=True) inputs = processor(waveform.squeeze().numpy(), sampling_rate=sample_rate, return_tensors="pt", padding="longest") with torch.no_grad(): logits = model(inputs.input_values).logits predicted_ids = torch.argmax(logits, dim=-1) transcription = processor.batch_decode(predicted_ids)[0] return transcription # Çalıştır butonu if st.button("Çalıştır"): if input_method == "Ses Dosyası Yükle" and uploaded_audio is not None: transcription = transcribe_audio(uploaded_audio) st.subheader("Ses Transkripsiyonu") st.write(transcription) elif input_method in ["Metin Yaz veya Yapıştır", "Örneklerden Seç", "Dosya Yükle"] and input_text: task = st.sidebar.radio("Görev Seçin", ['Metin Sınıflandırma', 'Metin Analizi', 'Duygu Analizi', 'Metin Oluşturma']) if task == "Metin Sınıflandırma": pipeline_model = load_pipeline(model_checkpoint, task) output = pipeline_model(input_text) df = pd.DataFrame(output) st.subheader(f"{task} Sonuçları") st.dataframe(df) elif task == "Duygu Analizi": pipeline_model = load_pipeline(model_checkpoint, task) output = pipeline_model(input_text) df = pd.DataFrame(output) st.subheader(f"{task} Sonuçları") st.dataframe(df) elif task == "Metin Analizi": ner_pipeline = setModel(model_checkpoint, aggregation) output = ner_pipeline(input_text) output_comb = entity_comb(output) df = pd.DataFrame.from_dict(output_comb) cols_to_keep = ['word', 'entity_group', 'score', 'start', 'end'] df_final = df[cols_to_keep] st.subheader("Tanımlanan Varlıklar") st.dataframe(df_final) st.subheader("Spacy Tarzı Görselleştirme") spacy_display = {"ents": [], "text": input_text, "title": None} for entity in output_comb: spacy_display["ents"].append({"start": entity["start"], "end": entity["end"], "label": entity["entity_group"]}) tner_entity_list = ["person", "group", "facility", "organization", "geopolitical area", "location", "product", "event", "work of art", "law", "language", "date", "time", "percent", "money", "quantity", "ordinal number", "cardinal number"] spacy_entity_list = ["PERSON", "NORP", "FAC", "ORG", "GPE", "LOC", "PRODUCT", "EVENT", "WORK_OF_ART", "LAW", "LANGUAGE", "DATE", "TIME", "PERCENT", "MONEY", "QUANTITY", "ORDINAL", "CARDINAL", "MISC"] for ent in spacy_display["ents"]: if model_checkpoint == "asahi417/tner-xlm-roberta-base-ontonotes5": ent["label"] = spacy_entity_list[tner_entity_list.index(ent["label"])] else: if ent["label"] == "PER": ent["label"] = "PERSON" html = spacy.displacy.render(spacy_display, style="ent", minify=True, manual=True, options={"ents": spacy_entity_list}) style = "" st.write(f"{style}{get_html(html)}", unsafe_allow_html=True) elif task == "Metin Oluşturma": pipeline_model = load_pipeline(model_checkpoint, task) output = pipeline_model(input_text, max_length=50, num_return_sequences=1) st.subheader(f"{task} Sonuçları") for idx, item in enumerate(output): st.write(f"Öneri {idx+1}: {item['generated_text']}")