Add application file

app.py

@@ -0,0 +1,40 @@
+import gradio as gr
+import numpy as np
+from transformers import pipeline
+
+# pipelines
+pipeline_clf = pipeline("text-classification", model = "stinoco/beto-sentiment-analysis-finetuned", return_all_scores = True)
+pipeline_pos = pipeline("token-classification", model = "sagorsarker/codeswitch-spaeng-pos-lince")
+
+
+def predict(text: str):
+
+  '''
+  Función que recibe texto como input, devuelve la clasificación de texto para ser recibida por el demo.
+  text: texto a clasificar (str)
+  '''
+
+  # Text Classification
+  classes = pipeline_clf(text)[0]
+
+  # POS
+  classes = {element['label']: element['score'] for element in classes}
+
+  labeled_text = {'text': text, 'entities': pipeline_pos(text)}
+
+  return classes, labeled_text
+
+demo = gr.Interface(fn = predict, 
+                         inputs = [gr.Textbox(placeholder = "Ingresa el reclamo acá", label = 'Reclamo')],
+                         outputs = [gr.outputs.Label(label = 'Categorías'),
+                                    gr.Highlightedtext(label = 'Part of Speech')],
+                         examples = [
+                             ['al ser de region simpre esta con quiebre de stock'],
+                             ['que tienen que tener vendedores que conozcan el rubro y que sepan lo que estan vendiendo'],
+                             ['un solo vendedor no pude estar encargado de miles de articulos debe especificarse en cerveza'],
+                             ['no hay mercaderia']
+                         ],
+                         title = 'Demo Clasificación NPS'
+                         )
+
+demo.launch()

requirements.txt

@@ -0,0 +1,2 @@
+numpy
+openpyxl