main.py

import gradio as gr
import tensorflow as tf
import numpy as np
from keras.models import load_model
from tensorflow.keras.preprocessing.text import Tokenizer
import pickle
from tensorflow.keras.preprocessing.sequence import pad_sequences
import os

print(tf.__version__)
#Load tokenizer
fp = "resources/tokenizer.pkl"
with open(fp,mode="rb") as f:
    tokenizer = pickle.load(f)

#Load LSTM
fp = 'resources/lstm_model.h5'
LSTM_model = tf.keras.models.load_model(fp, compile=True)

#Load GRU
fp = 'resources/gru_model.h5'
GRU_model = load_model(fp)


def tokenizer_pad(tokenizer,comment_text,max_length=200):
   
    # converting text into integer sequences
    comment_text = [comment_text]
    tokenized_text = tokenizer.texts_to_sequences(comment_text)

    # padding based on max length
    padded_sequences = pad_sequences(sequences=tokenized_text,maxlen=max_length,padding="post",truncating="post")

    return padded_sequences

def LSTM_predict(x):
    x = tokenizer_pad(tokenizer=tokenizer,comment_text=x)


    #print(x)

    # processing before mapping

    # predicting using best model
    pred_proba = LSTM_model.predict(x)[0]

    # making predictions readable
    pred_proba = [round(i,2) for i in pred_proba]

    print(pred_proba)

    return pred_proba

def GRU_predict(x):
    x = tokenizer_pad(tokenizer=tokenizer,comment_text=x)


    print(x)
    # processing before mapping

    # predicting using best model
    pred_proba = GRU_model.predict(x)[0]

    # making predictions readable
    pred_proba = [round(i,2) for i in pred_proba]

    print(pred_proba)

    return pred_proba

def judge(x):

  label = ['độc hại', 'cực kì độc hại', 'tục tĩu', 'đe dọa', 'xúc phạm', 'thù ghét cá nhân']
  result = []
  judge_result = []

  lstm_pred = LSTM_predict(x)
  gru_pred = GRU_predict(x)


  return_result = 'Result'
  result_lstm = np.round(lstm_pred, 2)
  result_gru = np.round(gru_pred, 2)
  sensitive_result = max(max(result_lstm),max(result_gru))
  print(sensitive_result)
  return_result += '\nMô hình LSTM\n'
  return_result += f"{result_lstm}\n"
  for i in range(6):
    if result_lstm[i]>=0 and result_lstm[i]<0.1:
      return_result += "Tính {} là không có\n".format(label[i])
    if result_lstm[i]>=0.1 and result_lstm[i]<0.5:
      return_result += "Tính {} ở mức nhận thấy được, từ ngữ có thể chưa phù hợp\n".format(label[i])
    if result_lstm[i]>=0.5 and result_lstm[i]<0.8:
      return_result += "Tính {} ở mức rõ ràng, cần xem xét\n".format(label[i])
    if result_lstm[i]>=0.8:
      return_result += "Tính {} ở mức nghiêm trọng, yêu cầu chấn chỉnh\n".format(label[i])


  return_result += '\nMô hình GRU\n'
  return_result += f"{result_gru}\n"
  for i in range(6):
    if result_gru[i]>=0 and result_gru[i]<0.1:
      return_result += "Tính {} là không có\n".format(label[i])
    if result_gru[i]>=0.1 and result_gru[i]<0.5:
      return_result += "Tính {} ở mức nhận thấy được, từ ngữ có thể chưa phù hợp\n".format(label[i])
    if result_gru[i]>=0.5 and result_gru[i]<0.8:
      return_result += "Tính {} ở mức rõ ràng, cần xem xét\n".format(label[i])
    if result_gru[i]>=0.8:
      return_result += "Tính {} ở mức nghiêm trọng, yêu cầu chấn chỉnh\n".format(label[i])

  return_result += "\nTổng quan:\n"
  if sensitive_result>=0 and sensitive_result<0.1:
    return_result += "Ngôn ngữ phù hợp mọi lứa tuổi.\n"
  if sensitive_result>=0.1 and sensitive_result<0.5:
    return_result += "Ngôn ngữ có thể còn chứa từ ngữ chưa phù hợp.\n"
  if sensitive_result>=0.5 and sensitive_result<0.8:
    return_result += "Ngôn ngữ không phù hợp, cần xem xét lại.\n"
  if sensitive_result>=0.8:
    return_result += "Ngôn ngữ vi phạm tiêu chuẩn cộng đồng nghiêm trọng, yêu cầu chấn chỉnh.\n"

  return return_result


if __name__ == "__main__":
  #  print("Loading")
  #  while(True):
  #   string = input("\nMời nhập văn bản: ")
  #   os.system('cls')
  #   print(f"Văn bản đã nhập: {string}")
  #   judge(string)
  interface = gr.Interface(fn=judge,
                         inputs=gr.Textbox(lines=2, placeholder='Please write something', label="Input Text"),
                        outputs='text')
  interface.launch()