Added first and second sentence to NLI, STS

app.py

@@ -51,18 +51,20 @@ sentiment_example = [["Bu üründen çok memnun kaldım."]]
 long_text = [["Eyfel Kulesi (Fransızca: La tour Eiffel [la tuʀ ɛˈfɛl]), Paris'teki demir kule. Kule, aynı zamanda tüm dünyada Fransa'nın sembolü halini almıştır. İsmini, inşa ettiren Fransız inşaat mühendisi Gustave Eiffel'den alır.[1] En büyük turizm cazibelerinden biri olan Eyfel Kulesi, yılda 6 milyon turist çeker. 2002 yılında toplam ziyaretçi sayısı 200 milyona ulaşmıştır."], ["Kalp krizi geçirenlerin yaklaşık üçte birinin kısa bir süre önce grip atlattığı düşünülüyor. Peki grip virüsü ne yapıyor da kalp krizine yol açıyor? Karpuz şöyle açıkladı: Grip virüsü kanın yapışkanlığını veya pıhtılaşmasını artırıyor."]]
 ner_example = [["Benim adım Turna."]]
 t2t_example = [["Paraphrase: Bu üründen çok memnun kaldım."]]
-nli_example = [["Bunu çok beğendim. Bunu çok sevdim."]]
+nli_example = [["Bunu çok beğendim.", "Bunu çok sevdim."]]
 text_category_example = [[" anadolu_efes e 18 lik star ! beko_basketbol_ligi nde iddialı bir kadroyla sezona giren anadolu_efes transfer harekatına devam ediyor"]]
 
 
 
 @spaces.GPU
-def nli(input, model_choice="turna_nli_nli_tr"):
+def nli(first_input, second_input, model_choice="turna_nli_nli_tr"):
     
     if model_choice=="turna_nli_nli_tr":
+        input = f"hipotez: {hypothesis} önerme: {premise}"
         nli_model = pipeline(model="boun-tabi-LMG/turna_nli_nli_tr", device=0) 
         return nli_model(input)[0]["generated_text"]
     else:
+        input = f"ilk cümle: {first_input} ikinci cümle: {second_input}"
         stsb_model = pipeline(model="boun-tabi-LMG/turna_semantic_similarity_stsb_tr", device=0)
 
         return stsb_model(input)[0]["generated_text"]
@@ -169,18 +171,19 @@ with gr.Blocks(theme="abidlabs/Lime") as demo:
             text_examples = gr.Examples(examples = text_category_example,inputs=[text_input], outputs=text_output, fn=categorize)
         
     
-    with gr.Tab("NLI"):
-        gr.Markdown("TURNA fine-tuned on natural language inference. Enter text to infer entailment and pick the model. You can also check for semantic similarity entailment.")
+    with gr.Tab("NLI & STS"):
+        gr.Markdown("TURNA fine-tuned on natural language inference or semantic textual similarity. Enter text to infer entailment or measure semantic similarity. ")
         with gr.Column():
             with gr.Row():
                 with gr.Column():
                     nli_choice = gr.Radio(choices = ["turna_nli_nli_tr", "turna_semantic_similarity_stsb_tr"], label ="Model", value="turna_nli_nli_tr")
-                    nli_input = gr.Textbox(label="NLI Input")
-                
+                    nli_first_input = gr.Textbox(label="First Sentence")
+                    nli_second_input = gr.Textbox(label="Second Sentence")
+
                     nli_submit = gr.Button()
                 nli_output = gr.Textbox(label="NLI Output")
-                nli_submit.click(nli, inputs=[nli_input, nli_choice], outputs=nli_output)
-            nli_examples = gr.Examples(examples = nli_example, inputs = [nli_input, nli_choice], outputs=nli_output, fn=nli)
+                nli_submit.click(nli, inputs=[nli_first_input, nli_second_input, nli_choice], outputs=nli_output)
+            nli_examples = gr.Examples(examples = nli_example, inputs = [nli_first_input, nli_second_input, nli_choice], outputs=nli_output, fn=nli)
     
     with gr.Tab("POS"):
         gr.Markdown("TURNA fine-tuned on part-of-speech-tagging. Enter text to parse parts of speech and pick the model.")