Update app.py

app.py

@@ -1,40 +1,24 @@
 import streamlit as st
 from transformers import pipeline
 
-model_checkpoint = "vonewman/wolof-finetuned-ner"
+# Créez un widget pour télécharger le fichier
+uploaded_file = st.file_uploader("Téléchargez un document (PDF, TXT, CSV, JSON)", type=["pdf", "txt", "csv", "json"])
 
-# Définition de la pipeline
-pipeline = pipeline("ner", model=model_checkpoint, aggregation_strategy="simple")
+# Chargement du modèle DistilBERT pour la reconnaissance d'entités nommées
+nlp = pipeline("ner", model="distilbert-base-cased", 
+               aggregation_strategy="simple")
 
-# Fonction pour traiter un document
-def traiter_document(document):
-    # Tokenisation du document
-    tokens = model.tokenizer(document)
+if uploaded_file is not None:
+    # Lecture du contenu du fichier
+    text = uploaded_file.read()
 
-    # Prédiction des entités nommées
-    predictions = pipeline(tokens)
+    # Utilisation du modèle de traitement du langage naturel pour la reconnaissance d'entités nommées
+    entities = nlp(text)
 
-    # Renvoi des entités nommées
-    return predictions
+    st.subheader("Entités nommées détectées dans le document :")
+    
+    for entity in entities:
+        st.write(f"Texte : {entity['word']}, Étiquette : {entity['entity']}")
 
-# Fonction pour charger un document
-def charger_document(fichier):
-    # Ouverture du fichier
-    with open(fichier, "r") as f:
-        document = f.read()
+    # Vous pouvez également afficher d'autres informations sur les entités détectées si nécessaire.
 
-    return document
-
-# Affichage de l'application
-st.title("Named Entity Recognition")
-
-# Chargement du document
-document = charger_document(st.file_uploader("Choisissez un document"))
-
-# Traitement du document
-predictions = traiter_document(document)
-
-# Affichage des entités nommées
-for prediction in predictions:
-    st.write(f"**Entité:** {prediction['entity_type']}")
-    st.write(f"**Texte:** {prediction['token']}")