Update app.py

app.py

@@ -25,7 +25,6 @@ selected_model = st.sidebar.radio("Зачем пришел?", ("Классифи
                                                     "Генерация текста GPT-моделью по пользовательскому prompt"))
 
 # Классификация отзыва на поликлиники
-model_options = ["BagOfWords", "TF-IDF", "LSTM", "BERT-based-ru"]
 if selected_model == "Классифиция отзывов лечебных учреждений":
     st.title("""
     Приложение классифицирует твой отзыв и подскажет позитивный он или негативный
@@ -83,46 +82,59 @@ if selected_model == "Классифиция отзывов лечебных у
     # st.write(data)
     st.table(data)
     user_text_input = st.text_area('Введите ваш отзыв здесь:', '')
-    selected_model_name = st.selectbox('Выберите модель:', model_options, index=0)
 
     if st.button('Предсказать'):
         start_time = time.time()
+        predictions = []
+        prediction_time = []
+        X = vectorizer_1.transform([data_preprocessing_hard(user_text_input)])
+        predictions.append(classifier_bag.predict(X))
+        end_time = time.time()
+        prediction_time.append(end_time - start_time)
 
-        if selected_model_name == "BagOfWords":
-            X = vectorizer_1.transform([data_preprocessing_hard(user_text_input)])
-            predictions = classifier_bag.predict(X)
-
-        elif selected_model_name == "TF-IDF":
-            X = vectorizer_2.transform([data_preprocessing_hard(user_text_input)])
-            predictions = classifier_tf.predict(X)
-
-        elif selected_model_name == "LSTM":
-            predictions = predict_review(model=lstm, review_text=user_text_input, net_config=net_config, 
-                        vocab_to_int=vocab_to_int)
+        start_time = time.time()
+        X1 = vectorizer_2.transform([data_preprocessing_hard(user_text_input)])
+        predictions.append(classifier_tf.predict(X1))
+        end_time = time.time()
+        prediction_time.append(end_time - start_time)
 
-        elif selected_model_name == "BERT-based-ru":
-            tokens = tokenizer.encode(user_text_input, add_special_tokens=True)
-            padded_tokens = tokens + [0] * (MAX_LEN - len(tokens))
-            input_tensor = tensor(padded_tokens).unsqueeze(0)
-            with torch.no_grad():
-                outputs = model(input_tensor)
-            X = outputs.last_hidden_state[:,0,:].detach().cpu().numpy()
-            predictions = BERT_lin_cl.predict(X)
-            pass
-        
+        start_time = time.time()
+        predictions.append(predict_review(model=lstm, review_text=user_text_input, net_config=net_config, 
+                    vocab_to_int=vocab_to_int))
         end_time = time.time()
-        prediction_time = end_time - start_time
+        prediction_time.append(end_time - start_time)
 
-        model_message = f'Предсказание модели {selected_model_name}:'
-        if predictions >= 0.5:
-            # st.write(f'{model_message} кажется это положительный комментарий.')
-            gif_url = 'https://media2.giphy.com/media/v1.Y2lkPTc5MGI3NjExOTdnYjJ1eTE0bjRuMGptcjhpdTk2YTYzeXEzMzlidWFsamY2bW8wZyZlcD12MV9pbnRlcm5hbF9naWZfYnlfaWQmY3Q9Zw/LUg1GEjapflW7Vg6B9/giphy.gif'
-            st.image(gif_url, caption="Позитивный коментарий")
-        else:
-            # st.write(f'{model_message} кажется это негативный комментарий.')
+        tokens = tokenizer.encode(user_text_input, add_special_tokens=True)
+        padded_tokens = tokens + [0] * (MAX_LEN - len(tokens))
+        input_tensor = tensor(padded_tokens).unsqueeze(0)
+        with torch.no_grad():
+            outputs = model(input_tensor)
+        X2 = outputs.last_hidden_state[:,0,:].detach().cpu().numpy()
+        predictions.append(BERT_lin_cl.predict(X2))
+        end_time = time.time()
+        prediction_time.append(end_time - start_time)
+
+        res = []
+        for i in predictions:
+            if i >= 0.5:
+                res.append('Позитивный комментарий')
+            else:
+                res.append('Негативный комментарий')
+
+        result = pd.DataFrame({
+        'Модель': ["BagOfWords", "TF-IDF", "LSTM", "BERT-based-ru"],
+        'Результат': res,
+        'Время предсказания' : prediction_time
+        })
+        st.table(result)
+
+        if len(result[result['Результат'] == 'Негативный комментарий']) >= 2:
             gif_url = 'https://i.gifer.com/LdC3.gif'
             st.image(gif_url, caption="Негативный коментарий")
-        st.write(f'Время предсказания: {prediction_time:.4f} секунд')
+            
+        else:
+            gif_url = 'https://media2.giphy.com/media/v1.Y2lkPTc5MGI3NjExOTdnYjJ1eTE0bjRuMGptcjhpdTk2YTYzeXEzMzlidWFsamY2bW8wZyZlcD12MV9pbnRlcm5hbF9naWZfYnlfaWQmY3Q9Zw/LUg1GEjapflW7Vg6B9/giphy.gif'
+            st.image(gif_url, caption="Позитивный коментарий")