app.py

import requests
import streamlit as st
import streamlit.components.v1 as components
import time

tt = "ssss"
def semanticComparativeClassification():  
    st.session_state["respuesta"] = ""
    apis_urls = [
        "https://api-inference.huggingface.co/models/symanto/sn-xlm-roberta-base-snli-mnli-anli-xnli",
        "https://api-inference.huggingface.co/models/sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2",
        "https://api-inference.huggingface.co/models/sentence-transformers/distiluse-base-multilingual-cased-v2"
    ]

    for api_url in apis_urls:
        semanticComparativeClassificationCall(api_url)
        
def semanticComparativeClassificationCall(api_url: str):  
    st.write("Model: ", api_url)
    time.sleep(1)
    headers = {"Authorization": "Bearer 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"}
    #API_URL = "https://api-inference.huggingface.co/models/Maite89/Roberta_finetuning_semantic_similarity_stsb_multi_mt"
    st.write("Log:")
    def query(payload):
     

    	response = requests.post(api_url, headers=headers, json=payload)
    	return response.json()
    
    sentences =  [
    			"Conoces Lya2 , que es Lya2",
    			"He perdido la contraseña, no puedo entrar o acceder a Lya2",
    			"Calendario de eventos, creamos un evento , borramos un evento ",
                "Sincronizamos Lya2 con el teléfono o móbil"
                "Cambios",
    			"Cambios dobles , pedir, autorizar , borrar un cambio doble",
                "Cambios simples ,  pedir, autorizar , borrar un cambio simple",
                "Sessiones",
                "Personal",
                "Horarios",
                "Áreas",
                "Rastryco o rastrico",
                "Sylbo  la aplicación móbil de Lya2",
                "Sylbo",
                "Hola  hi  hola",
                "Adiós adiós bye",
                "Como programo el personal",
                "Como asigno trabajo al personal"
                "Pedir permisos",
                "Pedir vacaciones"
    		]
     	
    output = query({
    	"inputs": {
            "wait_for_model" : True,
    		"source_sentence": st.session_state.mytext,
    		"sentences": sentences
    	},
    })

    #st.write(output)
    if "error" in output:
        st.write(output["error"])
    else: 
        index=0
        for i in output:
            st.write(i," - ", sentences[index]) 
            index = index + 1
        maxim = max(output)
        st.write('MAX:', str(maxim))
        
        sentenceindex = output.index(maxim)
    
        st.write('Sentence index :', sentenceindex)
    
        if output[sentenceindex] < 0.3 :
            st.write("No tengo respuesta para esto, ¿me lo explicas mejor o te pongo en contacto con un humano?")  
            st.session_state["respuesta"]= st.session_state["respuesta"] +api_url+"\nNo tengo respuesta para esto, ¿me lo explicas mejor o te pongo en contacto con un humano?"+"\n\n"
        else:
            st.write("Tema reconocido: ", str(sentences[sentenceindex]))  
            st.session_state["respuesta"]= st.session_state["respuesta"] +api_url+"\nTema reconocido: \n<span style='color:#f00'>"+str(sentences[sentenceindex])+"</span>\n\n"
     
     
    

#x = st.slider('Select a value')
#st.write(x, 'squared is', x * x)
 

st.session_state.response = ""
st.title('Reconocimiento semántico')
title = st.text_input('Pregunta', '', on_change=semanticComparativeClassification,key='mytext')

st.text_area(   "Respuesta: ", key= "respuesta", height=200 )

st.markdown("<div id='logwrapper'>LOG:"+tt+"</div>", unsafe_allow_html=True)