Update app.py

app.py

@@ -2,9 +2,10 @@ import gradio as gr
 import pandas as pd
 from transformers import pipeline
 import matplotlib.pyplot as plt
+from concurrent.futures import ThreadPoolExecutor
 
-# Configurar el clasificador de sentimientos multilingüe
-classifier = pipeline(task="zero-shot-classification", model="facebook/bart-large-mnli")
+# Configurar el clasificador de sentimientos multilingüe con un modelo más pequeño
+classifier = pipeline(task="zero-shot-classification", model="typeform/distilbert-base-uncased-mnli")
 
 # Función para analizar los sentimientos de una lista de textos
 def analyze_sentiments(texts):
@@ -12,7 +13,10 @@ def analyze_sentiments(texts):
         return "0.0%", "0.0%", "0.0%", None  # Manejar el caso donde no hay textos para analizar
 
     positive, negative, neutral = 0, 0, 0
-    for text in texts:
+
+    # Función para procesar un texto individualmente
+    def process_text(text):
+        nonlocal positive, negative, neutral
         results = classifier(text, ["positive", "negative", "neutral"], multi_label=True)
         mx = max(results['scores'])
         ind = results['scores'].index(mx)
@@ -23,11 +27,16 @@ def analyze_sentiments(texts):
             negative += 1
         else:
             neutral += 1
+
+    # Usar ThreadPoolExecutor para procesar textos en paralelo
+    with ThreadPoolExecutor() as executor:
+        executor.map(process_text, texts)
+
     total = len(texts)
     positive_percent = round((positive / total) * 100, 1)
     negative_percent = round((negative / total) * 100, 1)
     neutral_percent = round((neutral / total) * 100, 1)
-    
+
     # Crear el gráfico circular
     fig, ax = plt.subplots()
     ax.pie([positive_percent, negative_percent, neutral_percent], labels=["Positivo", "Negativo", "Neutro"], autopct='%1.1f%%', colors=['green', 'red', 'blue'])
@@ -37,13 +46,13 @@ def analyze_sentiments(texts):
 
     return f"{positive_percent}%", f"{negative_percent}%", f"{neutral_percent}%", "sentiment_pie_chart.png"
 
-# Función para cargar el archivo CSV y analizar los primeros 100 comentarios
+# Función para cargar el archivo CSV y analizar los primeros 50 comentarios
 def analyze_sentiment_from_csv(file):
     try:
         df = pd.read_csv(file.name)
         if 'content' not in df.columns:
             raise ValueError("El archivo CSV no contiene una columna 'content'")
-        texts = df['content'].head(100).tolist()  # Tomar solo los primeros 100 comentarios
+        texts = df['content'].head(50).tolist()  # Tomar solo los primeros 50 comentarios
         return analyze_sentiments(texts)
     except pd.errors.ParserError as e:
         return f"Error al analizar el archivo CSV: {e}", "", "", None
@@ -60,9 +69,10 @@ demo = gr.Interface(
         gr.Textbox(label="Porcentaje Neutro"),
         gr.Image(type="filepath", label="Gráfico de Sentimientos")
     ],
-    title="Analizador de Sentimientos V.3",
-    description="Porcentaje de comentarios positivos, negativos y neutrales. Y GRAFICO CIRCULAR"
+    title="Analizador de Sentimientos V.2",
+    description="Porcentaje de comentarios positivos, negativos y neutrales"
 )
 
 demo.launch(share=True)
 
+