Upload 2 files

ilk2.py

@@ -0,0 +1,169 @@
+#writefile app.py
+import streamlit as st
+import smtplib
+from email.mime.text import MIMEText
+from transformers import AutoTokenizer, AutoModelForTokenClassification, AutoModelForSequenceClassification, pipeline
+import re
+from pydantic import BaseModel, Field
+from PIL import Image
+
+ner_model_name = "Gorengoz/bert-based-Turkish-NER-wikiann"
+sentiment_model_name = "Gorengoz/bert-turkish-sentiment-analysis-cased"
+
+# Initialize tokenizers and models for NER
+ner_tokenizer = AutoTokenizer.from_pretrained(ner_model_name)
+ner_model = AutoModelForTokenClassification.from_pretrained(ner_model_name)
+
+# Initialize tokenizers and models for Sentiment Analysis
+sentiment_tokenizer = AutoTokenizer.from_pretrained(sentiment_model_name)
+sentiment_model = AutoModelForSequenceClassification.from_pretrained(sentiment_model_name)
+
+# Create pipelines for NER and Sentiment Analysis
+ner_pipeline = pipeline("token-classification", model=ner_model, tokenizer=ner_tokenizer)
+sentiment_pipeline = pipeline("text-classification", model=sentiment_model, tokenizer=sentiment_tokenizer)
+
+
+label_mapping = {
+    "LABEL_0": "olumlu",
+    "LABEL_1": "nötr",
+    "LABEL_2": "olumsuz"
+}
+
+class SentimentResult(BaseModel):
+    entity: str
+    sentiment: str
+
+class AnalysisResponse(BaseModel):
+    entity_list: list
+    sentiment_list: list
+# Her entity için cümleleri parçalama
+def get_entity_sentences(entity: str, sentences: list) -> list:
+    return [sent for sent in sentences if entity in sent]
+
+def predict(review): 
+    # NER modelini kullanarak entity'leri bulma
+    entities = ner_pipeline(review, aggregation_strategy="simple")
+    
+    unique_entities = set([entity['word'] for entity in entities])
+    
+    # Cümleleri hem '.' hem de ',' ile bölme
+    sentences = re.split(r'[.,]', review)
+    sentences = [sentence.strip() for sentence in sentences if sentence.strip()]
+    
+    # Sentiment modelimizi kullanma
+    entity_sentiments = {}
+    for entity in unique_entities:
+        entity_sentences = get_entity_sentences(entity, sentences)
+        sentiments = [sentiment_pipeline(sentence) for sentence in entity_sentences]
+
+        flattened_sentiments = [item for sublist in sentiments for item in sublist]
+        
+        # Entitilerin sentimentini bulma
+        if flattened_sentiments:
+            sentiment_scores = [sent['label'] for sent in flattened_sentiments]
+            mapped_sentiments = [label_mapping.get(label, 'unknown') for label in sentiment_scores]
+            sentiment = max(set(mapped_sentiments), key=mapped_sentiments.count)  # Bir marka için farklı sentimentler bulunduğunda en baskın olanı kabul etme.
+        else:
+            sentiment = 'nötr'  
+            
+        entity_sentiments[entity] = sentiment
+
+        entity_list=list(entity_sentiments.keys())
+        sentiment_list=list(entity_sentiments.values())
+
+    return entity_list, sentiment_list
+
+
+def send_email(to_address, subject, body):
+    # Configure email details
+    from_address = '[email protected]'
+    smtp_server = 'smtp.gmail.com'
+    smtp_port = 587
+    smtp_user = '[email protected]'
+    smtp_password = 'jtbb gfbd rfix thoe'  
+
+    # Create email message
+    msg = MIMEText(body, 'plain', 'utf-8')
+    msg['Subject'] = subject
+    msg['From'] = from_address
+    msg['To'] = to_address
+
+    # Send email
+    with smtplib.SMTP(smtp_server, smtp_port) as server:
+        server.starttls()
+        server.login(smtp_user, smtp_password)
+        server.sendmail(from_address, to_address, msg.as_string())
+
+def send_customer_response(customer_email, sentiment):
+    if sentiment == "olumlu":
+        subject = "Geri Bildiriminiz İçin Teşekkürler"
+        body = (f"Merhaba,\n\n"
+                f"Geri bildiriminiz tarafımıza ulaştı ve olumlu değerlendirildi.\n\n"
+                f"Memnuniyetiniz için teşekkür ederiz. Düşünceleriniz bizim için çok değerlidir ve bu tür olumlu yorumlar bizi motive eder. Size en iyi hizmeti sunmak için sürekli olarak çalışıyoruz.\n\n"
+                f"Herhangi bir ek bilgiye ihtiyacınız olursa, lütfen bizimle iletişime geçin.\n\n"
+                f"Saygılarımızla,\n")
+    else:
+        subject = "Şikayetiniz Alındı ve Üzerinde Çalışıyoruz"
+        body = (f"Merhaba,\n\n"
+                f"Şikayetiniz tarafımıza ulaştı ve değerlendirilmek üzere alındı.\n\n"
+                f"Şikayetinizle ilgili olarak size geri dönüş yapacağız ve sorunun çözümü için gerekli adımları atacağız.\n\n"
+                f"Herhangi bir ek bilgiye ihtiyacınız olursa, lütfen bizimle iletişime geçin.\n\n"
+                f"İlginiz için teşekkür ederiz.\n\n"
+                f"Saygılarımızla,\n")
+
+    send_email(customer_email, subject, body)
+
+
+def process_complaints(complaint):
+        organizations, sentiment = predict(complaint)
+        for org in organizations:
+            # Construct email subject and body
+            subject = f"{org} Hakkında Müşteri Geri Bildirimi"
+            body = (f"Merhaba {org} Ekibi,\n\n"
+                    f"Müşterilerimizden gelen aşağıdaki yorum tarafımıza iletilmiştir:\n\n"
+                    f"Yorum: {complaint}\n\n"
+                    f"Analiz: {sentiment[organizations.index(org)]}\n\n"
+                    f"Geri bildirimleri ele alıp değerlendirdiğiniz için teşekkür ederiz. Bu konuda gerekli aksiyonları alacağınızdan eminiz. Herhangi bir ek bilgiye "
+                    f"ihtiyacınız olursa lütfen bizimle iletişime geçin.\n\n"
+                    f"İyi çalışmalar dileriz.\n\n"
+                    f"Saygılarımızla,\n")
+            # Use the fixed brand email address
+            to_address = "[email protected]"
+            send_email(to_address, subject, body)
+
+        # Sending response to the customer
+        send_customer_response(customer_email, sentiment)
+
+# Streamlit application
+col1, col2, col3 = st.columns(3)
+# Merkezi konumlandırma için bir sütun düzeni kullanma
+col1, col2, col3 = st.columns([1, 3, 2])  # Oranları isteğinize göre ayarlayabilirsiniz
+
+with col1:
+    st.write(" ")
+with col2:
+    image = Image.open('gg.png')
+    st.image(image, width=400)
+with col3:
+    st.write(" ")
+
+st.title('Müşteri Geri Bildirim Yönetimi')
+
+# st.header('Yorum Bildir')
+st.write("Müşteri/Tüketici Geri Bildirimi Yönetim Sistemi ile memnuniyet veya şikâyetlerinizi tarafımıza bildirebilirsiniz. ")
+st.write("E-posta bilgilerinizi girerek 'Şikayet Gönder' butonuna tıklamanız dahilinde form verileri doğrulanır. ")
+st.write("Geri bildirimizde belirttiğiniz her bir organizasyona memnuniyet veya şikâyetiniz iletildikten sonra; tarafınıza mail yoluyla bilgilendirme yapılır.")
+with st.form(key='complaint_form'):
+    complaint_text = st.text_area("Yorum Metni")
+    customer_email = st.text_input("Müşteri E-Posta Adresi")
+    submit_button = st.form_submit_button(label='Gönder')
+
+if submit_button:
+    if complaint_text and customer_email:
+        process_complaints(complaint_text)
+        st.success('Geri bildirim başarıyla işlendi ve e-postalar gönderildi.')
+    else:
+        st.error('Lütfen tüm alanları doldurduğunuzdan emin olun.')
+
+
+# Trendyol sitesinden aldığım ürünü çok beğendim. Ancak kargolama berbattı @ArasKargo