Create app.py

app.py

@@ -0,0 +1,41 @@
+import gradio as gr
+from transformers import pipeline
+
+# --- 步驟 1：載入 Hugging Face Pipeline (書中第 5 章核心) ---
+# 我們指定一個針對中文評論微調過的模型 (uer/roberta-base-finetuned-dianping-chinese)
+# task="sentiment-analysis" 會自動處理文字輸入到模型輸出的所有細節
+print("正在下載並載入模型，請稍候...")
+classifier = pipeline("sentiment-analysis", model="uer/roberta-base-finetuned-dianping-chinese")
+
+# --- 步驟 2：定義處理函式 ---
+def analyze_text(text):
+    # Pipeline 的輸出格式通常是 [{'label': 'positive (mysql)', 'score': 0.99}]
+    # 這裡我們做一點處理，讓 Gradio 更容易顯示
+    results = classifier(text)
+    label = results[0]['label']
+    score = results[0]['score']
+    
+    # 將標籤轉為中文顯示
+    chinese_label = "正面/滿意 😊" if "positive" in label else "負面/不滿 😡"
+    
+    # 回傳給 Gradio 的格式 (標籤與信心分數)
+    return {chinese_label: score}
+
+# --- 步驟 3：建立 Gradio 介面 ---
+# 這是您最熟悉的部分，建立輸入框與輸出區
+demo = gr.Interface(
+    fn=analyze_text,
+    inputs=gr.Textbox(lines=3, placeholder="請輸入一段中文文字（例如：這本書寫得真好！）..."),
+    outputs=gr.Label(num_top_classes=1, label="分析結果"),
+    title="Hugging Face 中文情感分析器",
+    description="輸入一段文字，AI 會自動判斷其情緒傾向。(基於 BERT/RoBERTa 模型)",
+    examples=[
+        ["這本書的內容深入淺出，對我學習 NLP 幫助很大！"],
+        ["運送速度太慢了，書角還有點摺痕，失望。"],
+        ["地震預警系統的反應速度對於防災至關重要。"] 
+    ]
+)
+
+# 啟動網頁
+if __name__ == "__main__":
+    demo.launch()