app.py

import streamlit as st
from transformers import pipeline
from transformers import AutoModelForSequenceClassification, AutoTokenizer
from googletrans import Translator

# Installer le package googletrans
!pip install googletrans==4.0.0rc1

# Charger le modèle de classification des sentiments BERT
classifier = pipeline("text-classification", model="MarieAngeA13/Sentiment-Analysis-BERT")

# Créer une application Streamlit
st.title('Sentiment Analysis with BERT')
st.write('Enter some text and we will predict its sentiment!')

# Ajouter un champ de saisie de texte pour l'utilisateur
translator = Translator()
text_input = st.text_input('Enter text here')

# Détecter la langue du texte saisi
detected_language = translator.detect(text_input).lang

# Traduire le texte s'il est en français
if detected_language == 'fr':
    translation = translator.translate(text_input, src='fr', dest='en')
    translated_text = translation.text
else:
    translated_text = text_input
st.write(translated_text)

# Lorsque l'utilisateur clique sur "Submit"
if st.button('Submit'):
    # Prédire le sentiment du texte en utilisant notre modèle BERT
    output = classifier(translated_text)

    best_prediction = output[0]
    sentiment = best_prediction['label']
    confidence = best_prediction['score']
    
    # Afficher la prédiction de sentiment à l'utilisateur
    st.write(f'Sentiment: {sentiment}')
    st.write(f'Confidence: {round(confidence, 2)}')