Update Demo.py

Demo.py

@@ -1,161 +1,161 @@
-import streamlit as st
-import sparknlp
-import os
-import pandas as pd
-
-from sparknlp.base import *
-from sparknlp.annotator import *
-from pyspark.ml import Pipeline
-from sparknlp.pretrained import PretrainedPipeline
-from annotated_text import annotated_text
-
-# Page configuration
-st.set_page_config(
-    layout="wide", 
-    initial_sidebar_state="auto"
-)
-
-# CSS for styling
-st.markdown("""
-    <style>
-        .main-title {
-            font-size: 36px;
-            color: #4A90E2;
-            font-weight: bold;
-            text-align: center;
-        }
-        .section {
-            background-color: #f9f9f9;
-            padding: 10px;
-            border-radius: 10px;
-            margin-top: 10px;
-        }
-        .section p, .section ul {
-            color: #666666;
-        }
-    </style>
-""", unsafe_allow_html=True)
-
-@st.cache_resource
-def init_spark():
-    return sparknlp.start()
-
-@st.cache_resource
-def create_pipeline(model):
-    document_assembler = DocumentAssembler() \
-        .setInputCol("text") \
-        .setOutputCol("document")
-
-    sentence_detector = SentenceDetector() \
-        .setInputCols(["document"]) \
-        .setOutputCol("sentence")
-
-    word_segmenter = WordSegmenterModel.pretrained("wordseg_large", "zh") \
-        .setInputCols(["sentence"]) \
-        .setOutputCol("token")
-
-    embeddings = BertEmbeddings.pretrained(name='bert_base_chinese', lang='zh') \
-        .setInputCols(["document", "token"]) \
-        .setOutputCol("embeddings")
-
-    ner = NerDLModel.pretrained(model, "zh") \
-        .setInputCols(["document", "token", "embeddings"]) \
-        .setOutputCol("ner")
-
-    ner_converter = NerConverter() \
-        .setInputCols(["sentence", "token", "ner"]) \
-        .setOutputCol("entities")
-
-    pipeline = Pipeline(stages=[document_assembler, sentence_detector, word_segmenter, embeddings, ner, ner_converter])
-    return pipeline
-
-def fit_data(pipeline, data):
-  empty_df = spark.createDataFrame([['']]).toDF('text')
-  pipeline_model = pipeline.fit(empty_df)
-  model = LightPipeline(pipeline_model)
-  result = model.fullAnnotate(data)
-  return result
-
-def annotate(data):
-    document, chunks, labels = data["Document"], data["NER Chunk"], data["NER Label"]
-    annotated_words = []
-    for chunk, label in zip(chunks, labels):
-        parts = document.split(chunk, 1)
-        if parts[0]:
-            annotated_words.append(parts[0])
-        annotated_words.append((chunk, label))
-        document = parts[1]
-    if document:
-        annotated_words.append(document)
-    annotated_text(*annotated_words)
-
-# Set up the page layout
-st.markdown('<div class="main-title">Recognize entities in Urdu text</div>', unsafe_allow_html=True)
-st.markdown("""
-<div class="section">
-    <p>This demo utilizes embeddings-based NER model for Urdu texts, using the urduvec_140M_300d word embeddings</p>
-</div>
-""", unsafe_allow_html=True)
-
-# Sidebar content
-model = st.sidebar.selectbox(
-    "Choose the pretrained model",
-    ["ner_msra_bert_768d", "ner_weibo_bert_768d"],
-    help="For more info about the models visit: https://sparknlp.org/models"
-)
-
-# Reference notebook link in sidebar
-link = """
-<a href="https://colab.research.google.com/github/JohnSnowLabs/spark-nlp-workshop/blob/master/tutorials/streamlit_notebooks/NER.ipynb">
-    <img src="https://colab.research.google.com/assets/colab-badge.svg" style="zoom: 1.3" alt="Open In Colab"/>
-</a>
-"""
-st.sidebar.markdown('Reference notebook:')
-st.sidebar.markdown(link, unsafe_allow_html=True)
-
-# Load examples
-examples = [
-    "当 前 ， 在 中共十五大 精 神 的 指 引 下 ， 在 以 江泽民 同 志 为 核 心 的 中共中央 领 导 下 ， 全 党 和 全 国 各 族 人 民 正 高 举 邓小平 理 论 伟 大 旗 帜 ， 同 心 同 德 ， 团 结 奋 斗 ， 沿 着 建 设 有 中国 特 色 的 社 会 主 义 道 路 阔 步 前 进 。",
-    "中共中央 致 中国致公党十一大 的 贺 词 各 位 代 表 、 各 位 同 志 ： 在 中国致公党第十一次全国代表大会 隆 重 召 开 之 际 ， 中国共产党中央委员会 谨 向 大 会 表 示 热 烈 的 祝 贺 ， 向 致公党 的 同 志 们 致 以 亲 切 的 问 候 ！",
-    "数 百 名 华 人 、 华 侨 、 留 学 人 员 、 我 国 驻 纽约 总 领 事 馆 代 表 在 机 场 挥 舞 中 美 两 国 国 旗 ， 热 烈 欢 迎 江 主 席 访 问 波士顿 。",
-    "到 机 场 迎 接 江 主 席 的 美 方 人 员 有 马萨诸塞州 州 长 和 波士顿 市 长 等 。",
-    "又 讯 中国 国 家 主 席 江泽民 １ 日 上 午 应 邀 在 美国 著 名 学 府 哈佛大学 发 表 重 要 演 讲 。",
-    "江 主 席 来 到 哈佛大学 时 ， 受 到 哈佛大学 校 长 陆登庭 及 哈佛 各 学 院 院 长 的 热 烈 欢 迎 。",
-    "本 报 纽约 １ ０ 月 ３ １ 日 电 记 者 陈特安 、 周德武 报 道 ： 今 天 晚 上 ， 美中贸易全国委员会 和 美国中国商会 在 纽约 举 行 盛 大 宴 会 欢 迎 江泽民 主 席 。",
-    "哈佛大学 校 长 陆登庭 对 江 主 席 访 问 哈佛 并 发 表 演 讲 表 示 欢 迎 。",
-    "美中贸易全国委员会 主 席 费希尔 和 美国中国商会 会 长 沈被章 先 后 致 词 。"
-]
-
-selected_text = st.selectbox("Select an example", examples)
-custom_input = st.text_input("Try it with your own Sentence!")
-
-text_to_analyze = custom_input if custom_input else selected_text
-
-st.subheader('Full example text')
-HTML_WRAPPER = """<div class="scroll entities" style="overflow-x: auto; border: 1px solid #e6e9ef; border-radius: 0.25rem; padding: 1rem; margin-bottom: 2.5rem; white-space:pre-wrap">{}</div>"""
-st.markdown(HTML_WRAPPER.format(text_to_analyze), unsafe_allow_html=True)
-
-# Initialize Spark and create pipeline
-spark = init_spark()
-pipeline = create_pipeline(model)
-output = fit_data(pipeline, text_to_analyze)
-
-# Display matched sentence
-st.subheader("Processed output:")
-
-results = {
-    'Document': output[0]['document'][0].result,
-    'NER Chunk': [n.result for n in output[0]['ner_chunk']],
-    "NER Label": [n.metadata['entity'] for n in output[0]['ner_chunk']]
-}
-
-annotate(results)
-
-with st.expander("View DataFrame"):
-    df = pd.DataFrame({'NER Chunk': results['NER Chunk'], 'NER Label': results['NER Label']})
-    df.index += 1
-    st.dataframe(df)
-
-
-
-
+import streamlit as st
+import sparknlp
+import os
+import pandas as pd
+
+from sparknlp.base import *
+from sparknlp.annotator import *
+from pyspark.ml import Pipeline
+from sparknlp.pretrained import PretrainedPipeline
+from annotated_text import annotated_text
+
+# Page configuration
+st.set_page_config(
+    layout="wide", 
+    initial_sidebar_state="auto"
+)
+
+# CSS for styling
+st.markdown("""
+    <style>
+        .main-title {
+            font-size: 36px;
+            color: #4A90E2;
+            font-weight: bold;
+            text-align: center;
+        }
+        .section {
+            background-color: #f9f9f9;
+            padding: 10px;
+            border-radius: 10px;
+            margin-top: 10px;
+        }
+        .section p, .section ul {
+            color: #666666;
+        }
+    </style>
+""", unsafe_allow_html=True)
+
+@st.cache_resource
+def init_spark():
+    return sparknlp.start()
+
+@st.cache_resource
+def create_pipeline(model):
+    document_assembler = DocumentAssembler() \
+        .setInputCol("text") \
+        .setOutputCol("document")
+
+    sentence_detector = SentenceDetector() \
+        .setInputCols(["document"]) \
+        .setOutputCol("sentence")
+
+    word_segmenter = WordSegmenterModel.pretrained("wordseg_large", "zh") \
+        .setInputCols(["sentence"]) \
+        .setOutputCol("token")
+
+    embeddings = BertEmbeddings.pretrained(name='bert_base_chinese', lang='zh') \
+        .setInputCols(["document", "token"]) \
+        .setOutputCol("embeddings")
+
+    ner = NerDLModel.pretrained(model, "zh") \
+        .setInputCols(["document", "token", "embeddings"]) \
+        .setOutputCol("ner")
+
+    ner_converter = NerConverter() \
+        .setInputCols(["sentence", "token", "ner"]) \
+        .setOutputCol("entities")
+
+    pipeline = Pipeline(stages=[document_assembler, sentence_detector, word_segmenter, embeddings, ner, ner_converter])
+    return pipeline
+
+def fit_data(pipeline, data):
+  empty_df = spark.createDataFrame([['']]).toDF('text')
+  pipeline_model = pipeline.fit(empty_df)
+  model = LightPipeline(pipeline_model)
+  result = model.fullAnnotate(data)
+  return result
+
+def annotate(data):
+    document, chunks, labels = data["Document"], data["NER Chunk"], data["NER Label"]
+    annotated_words = []
+    for chunk, label in zip(chunks, labels):
+        parts = document.split(chunk, 1)
+        if parts[0]:
+            annotated_words.append(parts[0])
+        annotated_words.append((chunk, label))
+        document = parts[1]
+    if document:
+        annotated_words.append(document)
+    annotated_text(*annotated_words)
+
+# Set up the page layout
+st.markdown('<div class="main-title">Recognize entities in Chinese text</div>', unsafe_allow_html=True)
+st.markdown("""
+<div class="section">
+    <p>This demo utilizes embeddings-based NER model for Urdu texts, using the urduvec_140M_300d word embeddings</p>
+</div>
+""", unsafe_allow_html=True)
+
+# Sidebar content
+model = st.sidebar.selectbox(
+    "Choose the pretrained model",
+    ["ner_msra_bert_768d", "ner_weibo_bert_768d"],
+    help="For more info about the models visit: https://sparknlp.org/models"
+)
+
+# Reference notebook link in sidebar
+link = """
+<a href="https://colab.research.google.com/github/JohnSnowLabs/spark-nlp-workshop/blob/master/tutorials/streamlit_notebooks/NER.ipynb">
+    <img src="https://colab.research.google.com/assets/colab-badge.svg" style="zoom: 1.3" alt="Open In Colab"/>
+</a>
+"""
+st.sidebar.markdown('Reference notebook:')
+st.sidebar.markdown(link, unsafe_allow_html=True)
+
+# Load examples
+examples = [
+    "当 前 ， 在 中共十五大 精 神 的 指 引 下 ， 在 以 江泽民 同 志 为 核 心 的 中共中央 领 导 下 ， 全 党 和 全 国 各 族 人 民 正 高 举 邓小平 理 论 伟 大 旗 帜 ， 同 心 同 德 ， 团 结 奋 斗 ， 沿 着 建 设 有 中国 特 色 的 社 会 主 义 道 路 阔 步 前 进 。",
+    "中共中央 致 中国致公党十一大 的 贺 词 各 位 代 表 、 各 位 同 志 ： 在 中国致公党第十一次全国代表大会 隆 重 召 开 之 际 ， 中国共产党中央委员会 谨 向 大 会 表 示 热 烈 的 祝 贺 ， 向 致公党 的 同 志 们 致 以 亲 切 的 问 候 ！",
+    "数 百 名 华 人 、 华 侨 、 留 学 人 员 、 我 国 驻 纽约 总 领 事 馆 代 表 在 机 场 挥 舞 中 美 两 国 国 旗 ， 热 烈 欢 迎 江 主 席 访 问 波士顿 。",
+    "到 机 场 迎 接 江 主 席 的 美 方 人 员 有 马萨诸塞州 州 长 和 波士顿 市 长 等 。",
+    "又 讯 中国 国 家 主 席 江泽民 １ 日 上 午 应 邀 在 美国 著 名 学 府 哈佛大学 发 表 重 要 演 讲 。",
+    "江 主 席 来 到 哈佛大学 时 ， 受 到 哈佛大学 校 长 陆登庭 及 哈佛 各 学 院 院 长 的 热 烈 欢 迎 。",
+    "本 报 纽约 １ ０ 月 ３ １ 日 电 记 者 陈特安 、 周德武 报 道 ： 今 天 晚 上 ， 美中贸易全国委员会 和 美国中国商会 在 纽约 举 行 盛 大 宴 会 欢 迎 江泽民 主 席 。",
+    "哈佛大学 校 长 陆登庭 对 江 主 席 访 问 哈佛 并 发 表 演 讲 表 示 欢 迎 。",
+    "美中贸易全国委员会 主 席 费希尔 和 美国中国商会 会 长 沈被章 先 后 致 词 。"
+]
+
+selected_text = st.selectbox("Select an example", examples)
+custom_input = st.text_input("Try it with your own Sentence!")
+
+text_to_analyze = custom_input if custom_input else selected_text
+
+st.subheader('Full example text')
+HTML_WRAPPER = """<div class="scroll entities" style="overflow-x: auto; border: 1px solid #e6e9ef; border-radius: 0.25rem; padding: 1rem; margin-bottom: 2.5rem; white-space:pre-wrap">{}</div>"""
+st.markdown(HTML_WRAPPER.format(text_to_analyze), unsafe_allow_html=True)
+
+# Initialize Spark and create pipeline
+spark = init_spark()
+pipeline = create_pipeline(model)
+output = fit_data(pipeline, text_to_analyze)
+
+# Display matched sentence
+st.subheader("Processed output:")
+
+results = {
+    'Document': output[0]['document'][0].result,
+    'NER Chunk': [n.result for n in output[0]['ner_chunk']],
+    "NER Label": [n.metadata['entity'] for n in output[0]['ner_chunk']]
+}
+
+annotate(results)
+
+with st.expander("View DataFrame"):
+    df = pd.DataFrame({'NER Chunk': results['NER Chunk'], 'NER Label': results['NER Label']})
+    df.index += 1
+    st.dataframe(df)
+
+
+
+