app.py

import os
os.system("python -m spacy download en_core_web_sm")

import streamlit as st
from transformers import AutoTokenizer, AutoModelForTokenClassification, pipeline
import spacy
from spacy import displacy

# โหลด Spacy Model
nlp = spacy.load("en_core_web_sm")

# โหลดโมเดล NER จาก Hugging Face
model_name = "Nucha/Nucha_SkillNER_BERT"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForTokenClassification.from_pretrained(model_name)

# สร้าง pipeline สำหรับ NER
ner_pipeline = pipeline("ner", model=model, tokenizer=tokenizer, aggregation_strategy="simple")

# UI ด้วย Streamlit
st.title("NER Analysis with Nucha SkillNER BERT and displacy")

text = st.text_area("Enter text for NER analysis:")

if st.button("Analyze"):
    ner_results = ner_pipeline(text)
    
    # เตรียมข้อมูลสำหรับ displacy
    ents = []
    for entity in ner_results:
        ents.append({
            "start": entity['start'],
            "end": entity['end'],
            "label": entity['entity'],
        })
    
    # แสดงผล displacy ผ่าน Streamlit
    options = {"colors": {"SKILL": "lightblue"}}  # เพิ่มสีให้แต่ละ label ถ้าต้องการ
    html = displacy.render({"text": text, "ents": ents}, style="ent", manual=True, options=options)
    st.write(html, unsafe_allow_html=True)