-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathmain.py
416 lines (367 loc) · 19.3 KB
/
main.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
from shiny import App, ui, render, reactive
import pandas as pd
from lib import *
from lib.utils import *
app_ui = ui.page_fluid(
ui.div(
# Sidebar
ui.div(
ui.div(
ui.h2("Menu", class_="h3 text-center font-weight-bold mb-4 border-bottom pb-3"),
ui.input_select("lang_select", "", choices={"Français": "🇫🇷 Français", "English": "🏴 English"}, selected="Français"),
ui.p("Descripteur", class_="mt-2"),
ui.input_select(
"choix1", "",
choices={"1": "Binaire", "2": "Occurence", "3": "Probalite", "4":"Normalise","5":"tf_idf_bin","6":"tf_idf_occ","7":"tf_idf_norm","8":"tf_idf_new", "9": "Word2Vec", "10": "FastText", "11": "Doc2Vec"},
selected="1"
),
ui.p("Distance", class_="mt-2"),
ui.input_select(
"choix2", "",
choices=descriptor_select_distance("1"),
selected="Euclidienne"
),
ui.p("Stopwords", class_="mt-2"),
ui.input_select("stopwords", "", choices={"1": "Stopword Français", "2": "Stopwords English", "3":"Stopwords nltk français", "4":"Stopwords nltk english", "5":"english short", "6": "Stopwords spacy fr", "7": "Stopwords spacy english", "8":"Stopword sklearn englis", "9": "Aucun"}, selected="6"),
ui.p("Stemming & Lemmatisation", class_="mt-2"),
ui.input_select("stemming", "", choices={"1": "Porter Stemmer", "2": "Snowball Stemmer", "3":"Lancaster Stemmer", "4":"wordNet Lemmatiser", "5":"Lovins Stemmer", "6":"Aucun"}, selected="6"),
ui.input_file("file_input", "Déposer un fichier ici ou cliquer pour sélectionner un fichier", multiple=True),
ui.output_ui("phrase_selector"),
ui.input_slider("k_value", "Nombre de voisins les plus proches (k)", min=1, max=10, value=3, step=1),
ui.input_action_button("generate", "Generate", class_="mt-4 w-100 btn btn-dark"),
class_="p-4 shadow-sm bg-light rounded",
),
class_="mt-2",
),
# Main content
ui.div(
ui.navset_card_tab(
ui.nav_panel("Analyse de texte", ui.output_ui("content")),
ui.nav_panel("Nuage de point", ui.output_ui("embedding_call")),
ui.nav_panel("Chatbot", ui.output_ui("chatbot")),
id="selected_navset_card_tab",
),
class_="col-md-9 p-4 main-content position-absolute end-0 top-0",
),
class_="d-flex"
),
)
# Mise à jour de la fonction de rendu pour inclure le graphe
def server(input, output, session):
lang = reactive.Value("Français")
stopword = reactive.Value("Aucun")
stemming = reactive.Value("Aucun")
phrases = reactive.Value([])
corpus_ponc = reactive.Value([])
selected_phrase_index = reactive.Value(None)
selected_phrase_index_str = reactive.Value("0")
graph_image = reactive.Value("")
@output
@render.ui
def embedding_call():
corpus = input.file_input()
if not corpus:
return ui.p("Veuillez sélectionner un fichier." if lang.get() == "Français" else "Please select a file.")
if len(corpus) > 1:
object_corpus = Corpus()
for file in corpus:
with open(file['datapath'], 'r', encoding='utf-8') as f:
text = f.read()
object_corpus.add_document(text)
corpus = object_corpus.list_documents
corpus_sans_poc = [retirer_ponctuation(c) for c in object_corpus.list_documents if c]
phrases.set(corpus_sans_poc)
else:
corpus = corpus[0]
with open(corpus['datapath'], 'r', encoding='utf-8') as f:
contenu = f.read()
corpus = separer_phrase(contenu)
corpus_sans_poc = supp_poc_corpus(corpus)
phrases.set(corpus_sans_poc)
liste_mots = give_liste_mot(corpus_sans_poc, stemming.get())
if stopword.get() != "6":
corpus_stopword, liste_mots_stopword = stopwords(corpus_sans_poc, liste_mots, stopword.get())
corpus_sans_poc_stopword = corpus_sans_poc
else:
corpus_stopword = corpus_sans_poc
corpus_sans_poc_stopword = corpus_sans_poc
wc_color = nuage_mots_couleur(" ".join(corpus_sans_poc_stopword))
wc = nuage_mots(" ".join(corpus_sans_poc_stopword),)
wc_color_stopword = nuage_mots_couleur_stopword(" ".join(corpus_stopword))
wc_mask = nuage_mots_couleur_masque(" ".join(corpus_stopword), lang.get())
wc_stopword_cloud = nuage_mots_stopword_wordcloud(" ".join(corpus_stopword))
wc_tfidf = nuage_mots_tfidf(" ".join(corpus_stopword), lang.get())
return ui.div(
ui.div(
ui.div(
ui.h3('Nuages de mots'),
class_='text-center mb-4 font-weight-bold'
),
ui.div(
ui.div(
ui.div(ui.p('Nuage de mot avec couleur et sans stopword', class_='text-center'), class_='mb-2'),
ui.div(ui.img(src=wc_color, class_='img-fluid'), class_='text-center'),
class_='col-md-6'
),
ui.div(
ui.div(ui.p('Nuage de mot sans couleur et sans stopword', class_='text-center'), class_='mb-2'),
ui.div(ui.img(src=wc, class_='img-fluid'), class_='text-center'),
class_='col-md-6'
),
class_='row mb-4'
),
ui.div(
ui.div(
ui.div(ui.p('Nuage de mot avec couleur et avec stopword', class_='text-center'), class_='mb-2'),
ui.div(ui.img(src=wc_color_stopword, class_='img-fluid'), class_='text-center'),
class_='col-md-6'
),
ui.div(
ui.div(ui.p('Nuage de mot avec couleur, stopword et mask du pays', class_='text-center'), class_='mb-2'),
ui.div(ui.img(src=wc_mask, class_='img-fluid'), class_='text-center'),
class_='col-md-6'
),
class_='row'
),
ui.div(
ui.div(
ui.div(ui.p('Nuage de mot avec stopword de cloudword', class_='text-center'), class_='mb-2'),
ui.div(ui.img(src=wc_stopword_cloud, class_='img-fluid'), class_='text-center'),
class_='col-md-6'
),
ui.div(
ui.div(ui.p("Nuage de mot avec tfidf - stopword de sklearn pour l'anglais et nltk pour le français", class_='text-center'), class_='mb-2'),
ui.div(ui.img(src=wc_tfidf, class_='img-fluid'), class_='text-center'),
class_='col-md-6'
),
class_='row'
),
class_='container'
)
)
@reactive.Effect
@reactive.event(input.lang_select)
def update_lang():
lang.set(input.lang_select())
@reactive.Effect
@reactive.event(input.stopwords)
def update_stopwords():
stopword.set(input.stopwords())
@reactive.Effect
@reactive.event(input.stemming)
def update_stemming():
stemming.set(input.stemming())
@reactive.Effect
@reactive.event(input.phrase_select)
def update_selected_phrase():
new_value = input.phrase_select()
selected_phrase_index.set(int(new_value) if new_value else None)
selected_phrase_index_str.set(new_value if new_value else "0")
@output
@render.ui
def phrase_selector():
if not phrases.get():
return None
return ui.input_select("phrase_select", "Choisissez une phrase", choices={str(i): p for i, p in enumerate(phrases.get())}, selected=selected_phrase_index_str.get())
@reactive.Effect
@reactive.event(input.file_input)
def update_k_value_max():
if input.file_input() and len(input.file_input()) == 1:
uploaded_file = input.file_input()[0]
with open(uploaded_file['datapath'], 'r', encoding='utf-8') as f:
contenu = f.read()
corpus = separer_phrase(contenu)
corpus_sans_poc = supp_poc_corpus(corpus)
phrases.set(corpus_sans_poc)
ui.update_slider("k_value", max=len(corpus_sans_poc)-1)
elif input.file_input() and len(input.file_input()) > 1:
object_corpus = Corpus()
for file in input.file_input():
with open(file['datapath'], 'r', encoding='utf-8') as f:
text = f.read()
object_corpus.add_document(text)
corpus = object_corpus.list_documents
corpus_sans_poc = [retirer_ponctuation(c) for c in object_corpus.list_documents if c]
phrases.set(corpus_sans_poc)
ui.update_slider("k_value", max=len(corpus_sans_poc)-1)
else:
ui.update_slider("k_value", max=10)
@reactive.Effect
@reactive.event(input.choix1)
def update_distance_choices():
new_choices = descriptor_select_distance(input.choix1())
ui.update_select("choix2", choices=new_choices)
@output
@render.ui
def content():
selected_lang = lang.get()
selected_stopwords = stopword.get()
selected_stemming = stemming.get()
if not input.file_input():
return ui.p("Veuillez sélectionner un fichier." if selected_lang == "Français" else "Please select a file.")
if not input.generate():
return ui.p("Cliquez sur Generate pour voir les résultats." if selected_lang == "Français" else "Click Generate to see results.")
uploaded_file = input.file_input()
if len(uploaded_file) > 1:
object_corpus = Corpus()
for file in uploaded_file:
with open(file['datapath'], 'r', encoding='utf-8') as f:
text = f.read()
object_corpus.add_document(text)
corpus = object_corpus.list_documents
corpus_sans_poc = [retirer_ponctuation(c) for c in object_corpus.list_documents if c]
phrases.set(corpus_sans_poc)
else:
uploaded_file = input.file_input()[0]
with open(uploaded_file['datapath'], 'r', encoding='utf-8') as f:
contenu = f.read()
corpus = separer_phrase(contenu)
corpus_sans_poc = supp_poc_corpus(corpus)
phrases.set(corpus_sans_poc)
liste_mots = give_liste_mot(corpus_sans_poc, selected_stemming)
if selected_stopwords != "6":
corpus_sans_poc_stopword, liste_mots_stopword = stopwords(corpus_sans_poc, liste_mots, selected_stopwords)
else:
corpus_sans_poc_stopword = corpus_sans_poc
liste_mots_stopword = liste_mots
list_backbofwords = get_backbofwords(corpus_sans_poc_stopword, liste_mots_stopword, input.choix1(), selected_stemming)
distance = input.choix2()
distance_matrix = get_distance_matrix(list_backbofwords, distance)
k = input.k_value()
k_nearest_phrases = get_k_nearest_phrases(corpus, selected_phrase_index.get(), k, distance_matrix)
k_max = len(corpus_sans_poc_stopword) - 1
# Générer le graphe des k plus proches voisins
graph_image.set(plot_knn_graph(k_max, distance_matrix, corpus_sans_poc, selected_phrase_index.get()))
word_frequency = calculate_word_frequency(corpus_sans_poc_stopword)
word_frequency_df = pd.DataFrame(word_frequency.items(), columns=['Mot', 'Fréquence'])
# Générer le graphe des fréquences des mots
word_freq_graph = plot_word_frequency(word_frequency_df)
word_freq_graph_pie_chart = plot_word_frequency_pie(word_frequency_df)
#Générer le boxplot des distances
distance_boxplot = plot_distance_boxplot(distance_matrix)
words_boxplot = plot_number_of_words_boxplot(corpus_sans_poc)
return ui.div(
ui.h3("Résultats de l'analyse", class_="h3 font-weight-bold mb-4 text-center"),
ui.div(
ui.p("Phrase sélectionnée :", class_="font-weight-semibold mb-2"),
ui.p(corpus[selected_phrase_index.get()] if selected_phrase_index.get() is not None else "Aucune phrase sélectionnée."),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm"
),
ui.div(
ui.p("Phrases les plus proches", class_="font-weight-semibold mb-2"),
ui.HTML("<br>".join(k_nearest_phrases)),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm"
),
# Afficher le graphique dans l'application
ui.div(
ui.h4("Graphique des K plus proches voisins", class_="h4 font-weight-semibold mb-2 text-center"),
ui.div(
ui.p("Le graphe des k plus proches voisins représente les distances entre les différentes phrases du corpus. Il permet de visualiser les relations entre les phrases en utilisant une mesure de distance spécifique choisie dans le menu. Cela signifie que plus les phrases sont proches du point central plus elles sont similaires à cette phrase. Chaque phrase est représentée par un point dans l'espace vectoriel. Le nombre représente l'index de la phrase dans le corpus.", class_="text-secondary text-justify fs-6"),
ui.img(src=graph_image.get(), class_="img-fluid col-md-6 mx-auto"),
class_="d-flex gap-2 text-secondary text-justify pr-2 align-items-center",
),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm",
),
ui.div(
ui.div(
ui.h4("Graphique des Fréquences des Mots", class_="h4 font-weight-semibold mb-2 text-center"),
ui.img(src=word_freq_graph, class_="img-fluid mx-auto"),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm"
),
ui.div(
ui.h4("Répartition des Mots les plus Fréquents", class_="h4 font-weight-semibold mb-2 text-center"),
ui.img(src=word_freq_graph_pie_chart, class_="img-fluid mx-auto"),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm"
),
class_="d-flex gap-2"
),
ui.div(
ui.h4("Boxplot des Distances", class_="h4 font-weight-semibold mb-2 text-center"),
ui.div(
ui.img(src=distance_boxplot, class_="img-fluid col-md-6 mx-auto"),
ui.p("Le boxplot des distances (entre phrases) représente la distribution des distances entre les différentes paires de phrases dans un espace vectoriel. Il permet de visualiser la similarité entre les phrases en utilisant une mesure de distance spécifique. Cela signifie que plus les phrases sont proches de 0 plus elles sont similaires."),
class_="d-flex gap-2 text-secondary text-justify pr-2 align-items-center",
),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm"
),
ui.div(
ui.h4("Boxplot des fréquences des mots par phrase", class_="h4 font-weight-semibold mb-2 text-center"),
ui.div(
ui.p("Le boxplot des fréquences des mots par phrase représente la distribution des fréquences des mots dans chaque phrase. Il permet de visualiser la variabilité des fréquences des mots dans les phrases du corpus. On peut donc observer si les phrases sont plus ou moins homogènes, courtes ou longues. Dans le cadre où il y a plusieurs documents, le boxplot représente la distribution des fréquences des mots dans chaque document."),
ui.img(src=words_boxplot, class_="img-fluid col-md-6 mx-auto"),
class_="d-flex gap-2 text-secondary text-justify pr-2 align-items-center",
),
class_="bg-light p-4 rounded mb-4 border-2 shadow-sm"
),
)
@output
@render.ui
def chatbot():
selected_lang = lang.get()
selected_stopwords = stopword.get()
selected_stemming = stemming.get()
if not input.file_input():
return ui.p("Veuillez sélectionner un fichier." if selected_lang == "Français" else "Please select a file.")
if not input.generate():
return ui.p("Cliquez sur Generate pour voir les résultats." if selected_lang == "Français" else "Click Generate to see results.")
uploaded_file = input.file_input()
if len(uploaded_file) > 1:
object_corpus = Corpus()
for file in uploaded_file:
with open(file['datapath'], 'r', encoding='utf-8') as f:
text = f.read()
object_corpus.add_document(text)
corpus = object_corpus.list_documents
corpus_sans_poc = [retirer_ponctuation(c) for c in object_corpus.list_documents if c]
phrases.set(corpus_sans_poc)
corpus_ponc.set(corpus)
else:
uploaded_file = input.file_input()[0]
with open(uploaded_file['datapath'], 'r', encoding='utf-8') as f:
contenu = f.read()
corpus = separer_phrase(contenu)
corpus_sans_poc = supp_poc_corpus(corpus)
phrases.set(corpus_sans_poc)
liste_mots = give_liste_mot(corpus_sans_poc, selected_stemming)
if selected_stopwords != "6":
corpus_sans_poc_stopword, liste_mots_stopword = stopwords(corpus_sans_poc, liste_mots, selected_stopwords)
else:
corpus_sans_poc_stopword = corpus_sans_poc
liste_mots_stopword = liste_mots
list_backbofwords = get_backbofwords(corpus_sans_poc_stopword, liste_mots_stopword, input.choix1(), selected_stemming)
distance = input.choix2()
distance_matrix = get_distance_matrix(list_backbofwords, distance)
k = input.k_value()
k_nearest_phrases = get_k_nearest_phrases(corpus, selected_phrase_index.get(), k, distance_matrix)
k_max = len(corpus_sans_poc_stopword) - 1
return ui.div(
ui.h3("Chatbot", class_="h3 font-weight-bold mb-4 text-center"),
ui.div(
ui.input_text("question", "Posez une question...",),
class_="w-full"
),
ui.div(
ui.output_text("reponse"),
class_="bg-primary p-3 text-white rounded",
style="--bs-bg-opacity: .5;"
),
)
@output
@render.text
def reponse():
question = input.question()
if not question:
return "Veuillez poser une question." if lang.get() == "Français" else "Please ask a question."
if input.file_input() and len(input.file_input()) > 1:
corpus = phrases.get()
corpus_p = corpus_ponc.get()
corpus_p = " ".join(corpus_p)
else:
corpus = phrases.get()
corpus_p = phrases.get()
corpus_p = ".".join(corpus_p)
reponse_text = repondre_a_question(question, corpus_p, corpus)
return reponse_text
app = App(app_ui, server)
if __name__ == "__main__":
app.run()