update app.py

app.py

@@ -16,7 +16,7 @@ def predict_sentiment(text):
         encoding = tokenizer_sentiment(text, return_tensors='pt', truncation=True, padding=True, max_length=128)
         output = model_sentiment(**encoding)
         pred = torch.argmax(output.logits, dim=1).item()
-    sentiment_labels = ["Tiêu cực", "Trung lập", "Tích cực"]
+    sentiment_labels = ["Tiêu cực", "Trung lập", "Tích cực"]  # Cập nhật nhãn theo yêu cầu
     return sentiment_labels[pred]  # Trả về nhãn cảm xúc
 
 def predict_topic(text):
@@ -25,7 +25,7 @@ def predict_topic(text):
         encoding = tokenizer_topic(text, return_tensors='pt', truncation=True, padding=True, max_length=128)
         output = model_topic(**encoding)
         pred = torch.argmax(output.logits, dim=1).item()
-    topic_labels = ["Giảng viên", "Chương trình đào tạo", "Cơ sở vật chất", "Khác"] 
+    topic_labels = ["Giảng viên", "Chương trình đào tạo", "Cơ sở vật chất", "Khác"]  # Cập nhật nhãn theo yêu cầu
     return topic_labels[pred]  # Trả về nhãn chủ đề
 
 # Define a function to handle both predictions at once
@@ -39,9 +39,8 @@ iface = gr.Interface(
     fn=classify_sentiment_and_topic,
     inputs=gr.Textbox(label="Nhập văn bản để phân loại", placeholder="Gõ văn bản của bạn ở đây..."),
     outputs=[gr.Textbox(label="Kết quả phân loại cảm xúc"), gr.Textbox(label="Kết quả phân loại chủ đề")],
-    layout="vertical",  # Thiết lập layout theo chiều dọc
     title="Phân loại cảm xúc và chủ đề",
-    description="Phân loại cảm xúc (Tiêu cực, Trung lập, Tích cực) và chủ đề (Giảng viên, Chương trình đào tạo, Cơ sở vật chất, Khác) của văn bản."
+    description="Phân loại cảm xúc (Tiêu cực, Trung lập, Tích cực) và chủ đề (Giảng viên, Chương trình đào tạo, Cơ sở vật chất, Khác) của văn bản.",
 )
 
 # Launch the app