xxxxxx
update
ffe88ec
raw
history blame
2.77 kB
import streamlit as st
from transformers import pipeline
import json
# 设置页面配置
st.set_page_config(page_title="中文垃圾信息分类器", page_icon="🚫", layout="wide")
# 加载中文垃圾信息分类器
@st.cache_resource
def load_classifier():
return pipeline("text-classification", model="app-x/chinese_spam_classifier")
classifier = load_classifier()
st.title("🚫 中文垃圾信息分类器")
st.write("使用 app-x/chinese_spam_classifier 模型进行中文文本的垃圾信息分类。")
# 创建两列布局
col1, col2 = st.columns([2, 1])
with col1:
# 创建文本输入框
text_input = st.text_area("请输入中文文本:", height=200)
if st.button("分类", key="classify_button"):
if text_input:
with st.spinner("正在分析..."):
# 进行分类
result = classifier(text_input)[0]
label = "垃圾信息" if result["label"] == "LABEL_1" else "正常信息"
confidence = result["score"]
# 创建JSON格式的结果
json_result = {
"input_text": text_input,
"classification": label,
"confidence": confidence,
"raw_output": result
}
# 显示结果
st.subheader("分类结果:")
if label == "垃圾信息":
st.error(f"⚠️ {label}")
else:
st.success(f"✅ {label}")
st.write(f"置信度: {confidence:.2f}")
st.progress(confidence)
# 显示JSON格式的结果
st.subheader("JSON 格式的详细结果:")
st.json(json_result)
else:
st.warning("请输入文本后再进行分类。")
with col2:
st.subheader("使用说明")
st.write("""
1. 在左侧文本框中输入您想要分类的中文文本。
2. 点击"分类"按钮。
3. 系统将分析文本并显示结果。
4. 结果包括分类(垃圾信息或正常信息)、置信度和JSON格式的详细输出。
""")
st.subheader("关于模型")
st.write("""
本分类器使用了 app-x/chinese_spam_classifier 模型,
该模型基于大规模中文数据集训练,能够有效识别各种类型的垃圾信息。
""")
st.subheader("免责声明")
st.info("""
此分类器仅作为辅助工具,不应完全依赖其结果。
请始终保持警惕,谨慎处理可疑信息。
""")
# 添加页脚
st.markdown("---")
st.markdown("由 Streamlit 和 Hugging Face 提供支持 | 作者:[app-x]")