File size: 1,516 Bytes
86baa07 57f8a46 659d84c 86baa07 e36f1db 86baa07 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 |
from transformers import AutoModelForSequenceClassification, AutoTokenizer, TextClassificationPipeline
import gradio as gr
model_id = "hedtorresca/Multilingual-MiniLM-L12-H384-fine-tunning2"
model = AutoModelForSequenceClassification.from_pretrained(model_id)
tokenizer = AutoTokenizer.from_pretrained(model_id, return_dict=True )
pipe = TextClassificationPipeline(model=model, tokenizer=tokenizer, add_special_tokens=True, max_length= 512, truncation= True)
# Definir la funci贸n de inferencia
def classify_message(ues_detallada, medio_de_comunicacion, asunto_o_copy):
combined = f"Este mensaje viene de {ues_detallada} a trav茅s de {medio_de_comunicacion}. {asunto_o_copy}"
prediction = pipe(combined)
return "Comercial" if prediction[0]['label'] == 'LABEL_0' else "Informativo"
# Crear la interfaz de Gradio
iface = gr.Interface(
fn=classify_message,
inputs=[
gr.inputs.Dropdown(["Unidad de Negocio 1", "Unidad de Negocio 2", "Unidad de Negocio 3"], label="Unidad de Negocio"),
gr.inputs.Radio(["Correo", "SMS"], label="Canal de Comunicaci贸n"),
gr.inputs.Textbox(lines=2, placeholder="Escribe el asunto o copy del mensaje aqu铆...", label="Asunto o Copy")
],
outputs="text",
title="Clasificador de Campa帽as",
description="Selecciona una unidad de negocio, un canal de comunicaci贸n y escribe un mensaje para clasificar si es comercial o informativo."
)
# Lanzar la interfaz
iface.launch() |