Create app.py

app.py

@@ -0,0 +1,57 @@
+import gradio as gr
+import pandas as pd
+from transformers import pipeline
+
+# Configurar el clasificador de sentimientos multilingüe
+classifier = pipeline(task="zero-shot-classification", model="facebook/bart-large-mnli")
+
+# Función para analizar los sentimientos de una lista de textos
+def analyze_sentiments(texts):
+    if not texts:
+        return 0.0, 0.0, 0.0  # Manejar el caso donde no hay textos para analizar
+
+    positive, negative, neutral = 0, 0, 0
+    for text in texts:
+        results = classifier(text, ["positive", "negative", "neutral"], multi_label=True)
+        mx = max(results['scores'])
+        ind = results['scores'].index(mx)
+        result = results['labels'][ind]
+        if result == "positive":
+            positive += 1
+        elif result == "negative":
+            negative += 1
+        else:
+            neutral += 1
+    total = len(texts)
+    positive_percent = (positive / total) * 100
+    negative_percent = (negative / total) * 100
+    neutral_percent = (neutral / total) * 100
+    return positive_percent, negative_percent, neutral_percent
+
+# Función para cargar el archivo CSV y analizar los primeros 100 comentarios
+def analyze_sentiment_from_csv():
+    try:
+        # Intentar leer el archivo CSV con diferentes opciones para manejar errores de formato
+        df = pd.read_csv('SHAREit_BD.csv', delimiter=',')
+        print(df.head())  # Imprimir las primeras filas del DataFrame para verificar su contenido
+        if 'content' not in df.columns:
+            raise ValueError("El archivo CSV no contiene una columna 'content'")
+        texts = df['content'].head(100).tolist()  # Tomar solo los primeros 100 comentarios
+        return analyze_sentiments(texts)
+    except pd.errors.ParserError as e:
+        print(f"Error al analizar el archivo CSV: {e}")
+        return "Error al analizar el archivo CSV", "", ""
+    except Exception as e:
+        print(f"Error inesperado: {e}")
+        return str(e), "", ""
+
+# Configurar la interfaz de Gradio
+demo = gr.Interface(
+    fn=analyze_sentiment_from_csv, 
+    inputs=[],  # No hay necesidad de entradas porque los datos están incrustados
+    outputs=[gr.Textbox(label="Positive Percentage"), gr.Textbox(label="Negative Percentage"), gr.Textbox(label="Neutral Percentage")],  # Mostrar los porcentajes como salidas
+    title="Analizador de Sentimientos Multilingüe",
+    description="Porcentaje de comentarios positivos, negativos y neutrales"
+)
+
+demo.launch()