Update app.py

app.py

@@ -5,6 +5,7 @@ import os
 import re
 import gradio as gr
 from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline
+from labels_config import custom_labels
 
 # --- 1. MODELLERİN HAZIRLANMASI ---
 ner_pipe = pipeline("ner", model="xlm-roberta-large-finetuned-conll03-english", aggregation_strategy="simple", device=-1)
@@ -126,7 +127,7 @@ def process_ner(text):
     final_results = []
     yield "<br>".join(current_logs), []
 
-    custom_labels = {
+   ''' custom_labels = {
         "MOVIE": {"tanim": "Sinematik eserler.", "anahtar_kelimeler": ["film", "dizi"], "ornekler": ["Inception", "Ezel"]},
         "BOOK": {"tanim": "Yazılı edebi eserler.", "anahtar_kelimeler": ["kitap", "roman"], "ornekler": ["Sefiller", "Nutuk"]},
         "SOFTWARE": {"tanim": "Dijital sistemler.", "anahtar_kelimeler": ["yazılım", "kod"], "ornekler": ["Linux", "Python"]},
@@ -134,7 +135,7 @@ def process_ner(text):
         "PRODUCT": {"tanim": "Ticari ürünler.", "anahtar_kelimeler": ["marka", "model"], "ornekler": ["iPhone", "Tesla"]},
         "NORP": {"tanim": "Etnik ve dini gruplar.", "anahtar_kelimeler": ["millet", "topluluk"], "ornekler": ["Türkler", "Ruslar"]},
         "GPE": {"tanim": "Siyasi bölgeler.", "anahtar_kelimeler": ["ülke", "şehir"], "ornekler": ["Türkiye", "İstanbul"]}
-    }
+    }'''
 
     initial_results = ner_pipe(text)