Spaces:
Sleeping
Sleeping
File size: 2,451 Bytes
d2cbb70 |
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 |
import gradio as gr
from transformers import pipeline
# Cargar pipelines predefinidos
summarizer = pipeline("summarization", model="facebook/bart-large-cnn")
classifier = pipeline("zero-shot-classification", model="facebook/bart-large-mnli")
sentiment_analyzer = pipeline("sentiment-analysis")
response_generator = pipeline("text2text-generation", model="google/flan-t5-large")
# Categorías de reclamos
categories = [
"Accidentes de coche",
"Hogar",
"Salud",
"Vida",
"Viajes",
"Responsabilidad civil",
]
def analyze_claim(claim_text):
# Resumen del reclamo
summary = summarizer(claim_text, max_length=50, min_length=20, do_sample=False)[0]["summary_text"]
# Clasificación del reclamo
classification = classifier(claim_text, candidate_labels=categories)
top_category = classification["labels"][0]
# Análisis de sentimiento
sentiment = sentiment_analyzer(claim_text)[0]
# Respuesta sugerida generada por LLM
response_prompt = (
f"Genera una respuesta para un cliente que tiene un reclamo relacionado con {top_category}."
f" El sentimiento del cliente es {sentiment['label']} con un nivel de confianza de {sentiment['score']:.2f}."
)
response = response_generator(response_prompt, max_length=50)[0]["generated_text"]
return summary, top_category, sentiment["label"], sentiment["score"], response
# Interfaz de Gradio
with gr.Blocks() as demo:
gr.Markdown("#Company ClaimSense")
gr.Markdown(
"Esta herramienta analiza reclamos de seguros y proporciona un resumen, categoría, análisis de sentimiento y una respuesta sugerida."
)
with gr.Row():
claim_input = gr.Textbox(
label="Descripción del Reclamo", placeholder="Describe tu reclamo en detalle..."
)
analyze_button = gr.Button("Analizar Reclamo")
with gr.Row():
summary_output = gr.Textbox(label="Resumen del Reclamo")
category_output = gr.Textbox(label="Categoría Identificada")
with gr.Row():
sentiment_output = gr.Textbox(label="Sentimiento Detectado")
score_output = gr.Number(label="Confianza del Sentimiento")
response_output = gr.Textbox(label="Respuesta Sugerida")
analyze_button.click(
analyze_claim,
inputs=[claim_input],
outputs=[summary_output, category_output, sentiment_output, score_output, response_output],
)
# Lanzar el Space
demo.launch()
|