app.py

import streamlit as st
from transformers import pipeline

# Carga de los dos modelos de análisis de sentimientos
model_1 = pipeline("sentiment-analysis", model="nlptown/bert-base-multilingual-uncased-sentiment")
model_2 = pipeline("sentiment-analysis", model="finiteautomata/beto-sentiment-analysis")

# Título de la app
st.title("Comparando LLMs")

# Inicializa el estado para el input_text si no existe
if "input_text" not in st.session_state:
    st.session_state["input_text"] = ""

# Función para mostrar el resultado
def mostrar_resultado(resultado):
    if resultado['label'] in ['4 stars','5 stars','POS']:
        st.success(f"Sentimiento: {resultado['label']} (Precisión: {resultado['score']:.4f})")
    elif eresultado['label'] in ['3 stars','NEU']:
        st.info(f"Sentimiento: {resultado['label']} (Precisión: {resultado['score']:.4f})")
    else:
        st.error(f"Sentimiento: {resultado['label']} (Precisión: {resultado['score']:.4f})")

# Función para analizar el sentimiento
def analizar_sentimiento(texto):
    resultado_1 = model_1(texto)[0]
    resultado_2 = model_2(texto)[0]

    # Mostrar resultados del primer modelo
    st.markdown(f"##### Resultado con `nlptown/bert-base-multilingual-uncased-sentiment`")
    st.write("- *Modelo basado en BERT y entrenado para 6 lenguajes con 50k revisiones en español*")
    mostrar_resultado(resultado_1)

    # Mostrar resultados del segundo modelo
    st.markdown(f"##### Resultado con `finiteautomata/beto-sentiment-analysis`")
    st.write("- *Modelo basado en BERT y entrenado con 5k tweets específicamente en español*")
    mostrar_resultado(resultado_2)

# Función para actualizar el texto desde la barra lateral
def actualizar_texto(nuevo_texto):
    st.session_state["input_text"] = nuevo_texto

# Mostrar el campo de texto principal con el valor desde session_state
input_text = st.text_input(
    "Escribe un texto para analizar el sentimiento:",
    value=st.session_state["input_text"]
)

# Botón para ejecutar el análisis
if st.button("Analizar"):
    if input_text:
        analizar_sentimiento(input_text)
    else:
        st.warning("Por favor, introduce un texto para analizar.")

# Barra lateral con sugerencias de texto
st.sidebar.header("Sugerencias de texto")
st.sidebar.button("Estoy muy feliz por este logro", on_click=actualizar_texto, args=("Estoy muy feliz por este logro.",))
st.sidebar.button("Esto es un desastre total", on_click=actualizar_texto, args=("Esto es un desastre total.",))
st.sidebar.button("La comida estuvo bien, pero el servicio fue lento", on_click=actualizar_texto, args=("La comida estuvo bien, pero el servicio fue lento",))
st.sidebar.button("Soy fan de las sorpresas... más si son facturas inesperadas", on_click=actualizar_texto, args=("Soy fan de las sorpresas... más si son facturas inesperadas",))