Upload 2 files

requirements.txt

@@ -0,0 +1,5 @@
+streamlit
+torch
+transformers
+huggingface_hub
+sentencepiece

streamlit_app.py

@@ -0,0 +1,132 @@
+import streamlit as st
+import torch
+from transformers import MBartForConditionalGeneration, MBartTokenizer
+from huggingface_hub import hf_hub_download
+
+# ตั้งค่าหน้าเว็บ
+st.set_page_config(page_title="ABSA Sentiment Analysis", layout="centered")
+
+st.markdown(
+    """
+    <style>
+        .container {
+            max-width: 700px;
+            margin: auto;
+            border-radius: 10px;
+            background-color: #f9f9f9;
+            box-shadow: 0px 4px 6px rgba(0, 0, 0, 0.1);
+        }
+        .content {
+            text-align: justify;
+            line-height: 1.6;
+        }
+        .under {
+            text-decoration-line: underline;
+            text-decoration-style: double;
+        }
+    </style>
+    """,
+    unsafe_allow_html=True,
+)
+
+# โหลดโมเดลจาก Hugging Face
+@st.cache_resource
+def load_model():
+    try:
+        model_path = hf_hub_download(repo_id="firstmetis/absa_it", filename="model.pth")
+
+        model = MBartForConditionalGeneration.from_pretrained("facebook/mbart-large-50")
+
+        tokenizer = MBartTokenizer.from_pretrained("facebook/mbart-large-50")
+        special_tokens = ['<SYMBOL>', '<ASPECT>', '<OPINION>', '<POS>', '<NEG>', '<NEU>']
+        tokenizer.add_special_tokens({'additional_special_tokens': special_tokens})
+
+        model.resize_token_embeddings(len(tokenizer))
+        model.load_state_dict(torch.load(model_path, map_location="cpu"))
+
+        model.eval()
+        return model, tokenizer
+
+    except Exception as e:
+        st.error(f"❌ เกิดข้อผิดพลาดขณะโหลดโมเดล: {e}")
+        return None, None
+
+# โหลดโมเดลและ tokenizer
+model, tokenizer = load_model()
+
+# ตรวจสอบว่าโหลดสำเร็จหรือไม่
+if model is not None and tokenizer is not None:
+    device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+    model.to(device)
+
+    def generate_text(input_text):
+        input_ids = tokenizer(input_text, return_tensors="pt", truncation=True, padding=True, max_length=512).input_ids
+        input_ids = input_ids.to(device)
+
+        with torch.no_grad():
+            outputs = model.generate(
+                input_ids,
+                num_beams=4,
+                do_sample=True,
+                temperature=1.2,
+                top_k=50,
+                top_p=0.95,
+                num_return_sequences=4,
+                max_length=50,
+                return_dict_in_generate=True,  
+                output_scores=True  
+            )
+
+        sequences = outputs.sequences
+        scores = outputs.scores  
+
+        output_texts = [
+            tokenizer.decode(seq, skip_special_tokens=False).replace("</s>", "").replace("<pad>", "").strip()
+            for seq in sequences
+        ]
+
+        confidences = []
+        for seq_scores in scores:
+            last_token_logits = seq_scores[-1]  
+            probs = torch.nn.functional.softmax(last_token_logits, dim=-1)  
+            confidence = probs.max().item()  
+            confidences.append(confidence)
+
+        return list(zip(output_texts, confidences))
+
+    # ส่วนหัวของเว็บแอป
+    st.title("📌 Aspect-based Sentiment Analysis (ABSA)")
+    st.markdown(
+    """
+    <div class='content'>
+        <h4>📍 วิธีการใช้งานเว็บไซต์</h4>
+        <p>
+            &emsp;1. เลือกพาดหัวข่าวเกี่ยวกับหุ้นที่สนใจโดยมีเงื่อนไขดังนี้</br>
+            &emsp;&emsp;&emsp;- เป็นข่าวหุ้นไทยในปี พ.ศ.2566-2567</br>
+            &emsp;&emsp;&emsp;- เป็นข่าวหุ้นไทยที่มีสัญลักษณ์หุ้นชัดเจน</br>
+            &emsp;&emsp;&emsp;- เป็นข่าวหุ้นไทยที่มีการออกข่าวค่อนข้างบ่อย</br>
+            &emsp;&emsp;&emsp;   <u class="under">ตัวอย่าง</u> : TISCO ปันผลดี เหมาะสะสม บล.ดีบีเอสฯให้เป้า 118 บ.</br>
+            &emsp;2. นำพาดหัวข่าวใส่ลงช่องว่างด้านล่าง</br>
+            &emsp;3. กดปุ่ม Apply เพื่อวิเคราะห์
+        </p>
+    </div>
+    """,
+    unsafe_allow_html=True,
+)
+    st.markdown("ใส่พาดหัวข่าวหุ้น เพื่อวิเคราะห์ Sentiment")
+
+    # กล่องรับข้อความ
+    user_input = st.text_input("✍️ ใส่ข้อความตรงนี้ :", "")
+
+    # ปุ่ม Apply
+    if st.button("Apply"):
+        if user_input:
+            results = generate_text(user_input)
+
+            # 🔹 แสดงผลลัพธ์ทั้งหมด พร้อมเปอร์เซ็นต์ความมั่นใจ
+            st.markdown("### 🔍 ผลลัพธ์:")
+            for i, (text, confidence) in enumerate(results, 1):
+                st.markdown(f"**🔹 ผลลัพธ์ {i}:** {text}  \n📌 **ความมั่นใจ:** {confidence:.2%}")
+
+        else:
+            st.warning("⚠️ กรุณากรอกข้อความก่อนกด Apply")