Update app.py

app.py

@@ -1,32 +1,36 @@
 import os
 import torch
 import gradio as gr
-from transformers import AutoTokenizer, AutoModelForSequenceClassification
+
+from transformers import (
+    AutoTokenizer,
+    AutoModelForSequenceClassification
+)
 
 
-# =========================================================
+# ============================================================
 # GOSHAWK INSURANCE AI
-# DistilBERT - Insurance Sector
-# CPU Optimized
-# =========================================================
+# DistilBERT - Insurance Classification
+# CPU OPTIMIZED
+# ============================================================
 
-# Model dosyaları bu Space'in içinde olduğu için
-# Hugging Face'e tekrar bağlanmıyoruz.
 MODEL_PATH = "./"
-
 DEVICE = torch.device("cpu")
 
+MAX_LENGTH = 256
+
 
-# ---------------------------------------------------------
-# Model yükleme
-# ---------------------------------------------------------
+# ============================================================
+# MODEL YÜKLEME
+# ============================================================
 
-print("========================================")
+print("=" * 60)
 print("GOSHAWK INSURANCE AI")
 print("Model yükleniyor...")
-print("========================================")
+print("=" * 60)
 
 try:
+
     tokenizer = AutoTokenizer.from_pretrained(
         MODEL_PATH,
         local_files_only=True
@@ -40,171 +44,375 @@ try:
     model.to(DEVICE)
     model.eval()
 
-    print("Model başarıyla yüklendi.")
-    print("Device:", DEVICE)
-    print("Labels:", model.config.id2label)
+except Exception as error:
+
+    print("=" * 60)
+    print("MODEL YÜKLEME HATASI")
+    print(error)
+    print("=" * 60)
+
+    raise error
+
+
+# ============================================================
+# MODEL BİLGİLERİ
+# ============================================================
+
+print("=" * 60)
+print("MODEL BAŞARIYLA YÜKLENDİ")
+print("=" * 60)
+
+print("Device:", DEVICE)
+print("Model:", type(model).__name__)
+print("Num labels:", model.config.num_labels)
+
+print("ID2LABEL:")
+print(model.config.id2label)
+
+print("LABEL2ID:")
+print(model.config.label2id)
+
+print("=" * 60)
 
-except Exception as e:
-    print("MODEL YÜKLEME HATASI:")
-    print(str(e))
-    raise e
 
+# ============================================================
+# LABEL OKUMA
+# ============================================================
 
-# ---------------------------------------------------------
-# Tahmin fonksiyonu
-# ---------------------------------------------------------
+def get_label(index):
+
+    label = model.config.id2label.get(
+        index,
+        f"LABEL_{index}"
+    )
+
+    return str(label)
+
+
+# ============================================================
+# METİN ANALİZİ
+# ============================================================
 
 def predict(text):
 
+    # Boş metin kontrolü
     if text is None or not text.strip():
+
         return {
-            "Hata": "Lütfen bir sigorta metni girin."
+            "Durum": "HATA",
+            "Mesaj": "Lütfen bir sigorta metni girin."
         }
 
+
     text = text.strip()
 
+
     try:
 
-        # Tokenization
+        # ----------------------------------------------------
+        # TOKENIZER
+        # ----------------------------------------------------
+
         inputs = tokenizer(
             text,
             return_tensors="pt",
             truncation=True,
             padding=True,
-            max_length=256
+            max_length=MAX_LENGTH
         )
 
+
+        # ----------------------------------------------------
         # CPU
+        # ----------------------------------------------------
+
         inputs = {
             key: value.to(DEVICE)
             for key, value in inputs.items()
         }
 
-        # Tahmin
+
+        # ----------------------------------------------------
+        # MODEL
+        # ----------------------------------------------------
+
         with torch.inference_mode():
 
             outputs = model(**inputs)
 
+            logits = outputs.logits[0]
+
             probabilities = torch.softmax(
-                outputs.logits,
+                logits,
                 dim=-1
-            )[0]
+            )
 
-        # Sonuçları hazırla
-        results = {}
 
-        for i, probability in enumerate(probabilities):
+        # ----------------------------------------------------
+        # TÜM SINIFLAR
+        # ----------------------------------------------------
 
-            label = model.config.id2label.get(
-                i,
-                f"LABEL_{i}"
-            )
+        all_results = {}
+
+        for index in range(model.config.num_labels):
 
-            results[label] = round(
-                float(probability) * 100,
+            label = get_label(index)
+
+            probability = float(
+                probabilities[index]
+            ) * 100
+
+            all_results[label] = round(
+                probability,
                 2
             )
 
-        # En yüksek sonuç
-        best_label = max(
-            results,
-            key=results.get
+
+        # ----------------------------------------------------
+        # EN YÜKSEK SINIF
+        # ----------------------------------------------------
+
+        best_index = int(
+            torch.argmax(probabilities)
+        )
+
+        best_label = get_label(best_index)
+
+        best_probability = (
+            float(probabilities[best_index]) * 100
         )
 
-        confidence = results[best_label]
 
-        # Büyükten küçüğe sırala
+        # ----------------------------------------------------
+        # SIRALA
+        # ----------------------------------------------------
+
         sorted_results = dict(
             sorted(
-                results.items(),
-                key=lambda x: x[1],
+                all_results.items(),
+                key=lambda item: item[1],
                 reverse=True
             )
         )
 
+
+        # ----------------------------------------------------
+        # GÜVEN DURUMU
+        # ----------------------------------------------------
+
+        if best_probability >= 90:
+
+            confidence_status = "Çok yüksek"
+
+        elif best_probability >= 70:
+
+            confidence_status = "Yüksek"
+
+        elif best_probability >= 50:
+
+            confidence_status = "Orta"
+
+        else:
+
+            confidence_status = "Düşük"
+
+
+        # ----------------------------------------------------
+        # NEUTRAL KONTROLÜ
+        # ----------------------------------------------------
+
+        neutral_warning = ""
+
+        if (
+            "neutral" in best_label.lower()
+            and best_probability >= 90
+        ):
+
+            neutral_warning = (
+                "Model Neutral sınıfına çok yüksek güven "
+                "veriyor. Farklı metinlerde de aynı sonuç "
+                "oluşuyorsa eğitim/label dağılımı kontrol "
+                "edilmelidir."
+            )
+
+
+        # ----------------------------------------------------
+        # SONUÇ
+        # ----------------------------------------------------
+
         return {
+
             "Tahmin": best_label,
-            "Güven": f"{confidence:.2f}%",
-            "Sonuçlar": {
+
+            "Güven": (
+                f"{best_probability:.2f}%"
+            ),
+
+            "Güven Durumu": confidence_status,
+
+            "Tüm Sınıflar": {
                 label: f"{score:.2f}%"
-                for label, score in sorted_results.items()
+                for label, score
+                in sorted_results.items()
+            },
+
+            "Neutral Kontrolü": neutral_warning,
+
+            "Model Bilgisi": {
+
+                "Model": type(model).__name__,
+
+                "Num Labels": model.config.num_labels,
+
+                "Device": str(DEVICE),
+
+                "Max Length": MAX_LENGTH
+
             }
+
         }
 
-    except Exception as e:
+
+    except Exception as error:
 
         return {
-            "Hata": str(e)
+
+            "Durum": "MODEL HATASI",
+
+            "Hata": str(error)
+
         }
 
 
-# ---------------------------------------------------------
-# Örnekler
-# ---------------------------------------------------------
+# ============================================================
+# TEST ÖRNEKLERİ
+# ============================================================
 
 examples = [
+
     [
         "Araç kazası sonucunda ön tampon ve far hasar gördü."
     ],
+
     [
         "Sigortalı kasko poliçesi kapsamında hasar başvurusunda bulundu."
     ],
+
+    [
+        "Trafik kazası nedeniyle araçta maddi hasar meydana geldi."
+    ],
+
     [
-        "Trafik kazası nedeniyle araçta maddi hasar oluşmuştur."
+        "Poliçe kapsamında sağlık giderlerinin karşılanması talep edildi."
     ],
+
     [
-        "Poliçe kapsamında sağlık giderlerinin karşılanması talep edilmiştir."
+        "Sigorta şirketi hasar dosyasını inceleyerek ödeme yaptı."
     ],
+
     [
-        "Sigortalının hasar dosyası incelenerek ödeme yapılmasına karar verilmiştir."
+        "Sigortalının poliçe teminatı kapsamında tazminat talebi bulunmaktadır."
     ]
+
 ]
 
 
-# ---------------------------------------------------------
-# Gradio arayüzü
-# ---------------------------------------------------------
+# ============================================================
+# GRADIO ARAYÜZÜ
+# ============================================================
 
-demo = gr.Interface(
+with gr.Blocks(
+    title="Goshawk Insurance AI"
+) as demo:
 
-    fn=predict,
+    gr.Markdown(
+        """
+        # 🛡️ Goshawk Insurance AI
 
-    inputs=gr.Textbox(
-        label="Sigorta Metni",
-        placeholder=(
-            "Örneğin: "
-            "Araç kazası sonucunda ön tampon hasar gördü..."
-        ),
-        lines=6
-    ),
+        **Sigorta sektörüne özel DistilBERT yapay zeka modeli**
 
-    outputs=gr.JSON(
-        label="Goshawk Insurance AI Sonucu"
-    ),
+        Sigorta metnini girin ve modelin hangi sınıfa
+        ait olduğunu tahmin etmesini sağlayın.
+        """
+    )
 
-    title="🛡️ Goshawk Insurance AI",
 
-    description=(
-        "Sigorta sektörüne özel DistilBERT yapay zeka modeli. "
-        "Sigorta metinlerini analiz ederek sınıflandırır."
-    ),
+    with gr.Row():
 
-    examples=examples,
+        with gr.Column():
 
-    submit_btn="Analiz Et",
-    clear_btn="Temizle"
-)
+            text_input = gr.Textbox(
+                label="Sigorta Metni",
+                placeholder=(
+                    "Örneğin: "
+                    "Araç kazası nedeniyle ön tampon hasar gördü..."
+                ),
+                lines=8
+            )
+
+
+            with gr.Row():
+
+                analyze_button = gr.Button(
+                    "🔍 Analiz Et",
+                    variant="primary"
+                )
 
+                clear_button = gr.Button(
+                    "🗑️ Temizle"
+                )
 
-# ---------------------------------------------------------
-# Uygulamayı başlat
-# ---------------------------------------------------------
+
+        with gr.Column():
+
+            output = gr.JSON(
+                label="Model Sonucu"
+            )
+
+
+    # --------------------------------------------------------
+    # ÖRNEKLER
+    # --------------------------------------------------------
+
+    gr.Examples(
+        examples=examples,
+        inputs=text_input,
+        label="Örnek Sigorta Metinleri"
+    )
+
+
+    # --------------------------------------------------------
+    # BUTONLAR
+    # --------------------------------------------------------
+
+    analyze_button.click(
+        fn=predict,
+        inputs=text_input,
+        outputs=output
+    )
+
+
+    clear_button.click(
+        fn=lambda: "",
+        inputs=None,
+        outputs=text_input
+    )
+
+
+# ============================================================
+# SERVER
+# ============================================================
 
 if __name__ == "__main__":
 
+    port = int(
+        os.environ.get(
+            "PORT",
+            7860
+        )
+    )
+
     demo.launch(
         server_name="0.0.0.0",
-        server_port=int(
-            os.environ.get("PORT", 7860)
-        )
+        server_port=port
     )