Create app.py

app.py

@@ -0,0 +1,80 @@
+import streamlit as st
+from transformers import pipeline, AutoModelForMaskedLM, AutoTokenizer
+
+# Esempio: prova a importare CLTK (se presente)
+try:
+    from cltk import NLP
+    nlp_lat = NLP(language="lat")
+except ImportError:
+    nlp_lat = None
+
+# Imposta una chiave di sessione per il testo input, così possiamo aggiornarlo
+if "input_text_value" not in st.session_state:
+    st.session_state["input_text_value"] = "Lorem ipsum dolor sit amet, [MASK] adipiscing elit."
+
+# Frasi di esempio
+examples = [
+    "Asdrubal, frater Annibalis, qui secundo Punico bello [MASK] ingentibus copiis ab Hispania veniens ...",
+    "hanno et mago qui [MASK] punico bello cornelium consulem aput liparas ceperunt ...",
+    "Lorem ipsum dolor sit amet, [MASK] adipiscing elit.",
+    "Populus Romanus cum Macedonibus [MASK] ter gessit"
+]
+
+st.title("Completamento di parole in testi Latino Antico con Analisi Morfologica")
+
+st.write("**Esempi di testo** (clicca sul bottone per copiare la frase nel campo di input):")
+
+# Per ogni frase, creiamo una riga con la frase + bottone "Usa questa frase"
+for i, example in enumerate(examples, start=1):
+    cols = st.columns([4,1])  # la prima colonna più larga per il testo, la seconda più stretta per il bottone
+    with cols[0]:
+        st.write(f"**Esempio {i}:** {example}")
+    with cols[1]:
+        # Se il bottone viene premuto, aggiorna la session state
+        if st.button(f"Usa {i}"):
+            st.session_state["input_text_value"] = example
+
+# Qui la text_input è associata alla chiave "input_text_value"
+input_text = st.text_input("Testo:", key="input_text_value")
+
+# Esempio: carichiamo un modello di linguaggio
+# (sostituisci con i tuoi modelli)
+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_roberta, tokenizer=tokenizer_roberta)
+
+# Se l'utente ha inserito (o selezionato) un testo
+if input_text:
+    # Sostituiamo [MASK] con <mask> (lo tokenizer Roberta se lo aspetta così)
+    input_text_roberta = input_text.replace("[MASK]", "<mask>")
+    predictions_roberta = fill_mask_roberta(input_text_roberta)
+    
+    st.subheader("Risultati delle previsioni (RoBERTa):")
+    for pred in predictions_roberta:
+        st.write(
+            f"**Token:** {pred['token_str']} - "
+            f"**Probabilità:** {pred['score']:.4f}\n"
+            f"**Sequence:** {pred['sequence']}\n"
+        )
+        st.write("---")
+    
+    # Esempio di analisi con CLTK (se installato e importato)
+    if nlp_lat is not None:
+        st.subheader("Analisi Morfologica con CLTK (opzionale)")
+
+        for i, pred in enumerate(predictions_roberta, start=1):
+            # Ricostruisci la frase sostituendo <mask> con la parola predetta
+            predicted_text = input_text_roberta.replace("<mask>", pred['token_str'])
+            doc = nlp_lat(predicted_text)
+            
+            st.write(f"**Frase {i}:** {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"  - Morfologia: {token.features}\n"
+                )
+            st.write("---")
+    else:
+        st.warning("CLTK non installato (o non importato). Esegui `pip install cltk` per abilitare l'analisi.")