Update app.py

app.py

@@ -10,6 +10,25 @@ import pandas as pd
 model_name = "MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 
+
+def classify_text(text):
+    """
+    Clasifica un texto como positivo, negativo o neutro utilizando un clasificador.
+    Args:
+    text (str): El texto a clasificar.
+    Returns:
+    str: La clasificación del texto, que puede ser "Positivo", "Negativo" o "Neutro".
+    """
+    analyzer = create_analyzer(task="sentiment", lang="es")
+    result = analyzer.predict(text)[0]['label']
+    #result = classifier(text)[0]['label']
+    if result == "POS":
+        return "Positivo"
+    elif result == "NEG":
+        return "Negativo"
+    else:
+        return "Neutro"
+
 def clasificador(input1, input2):
     classifier = pipeline("zero-shot-classification", model="MoritzLaurer/mDeBERTa-v3-base-mnli-xnli",tokenizer=tokenizer)
     sequence_to_classify = input1
@@ -18,8 +37,7 @@ def clasificador(input1, input2):
     output0 = classifier(sequence_to_classify, candidate_labels, multi_label=False)
     output1=pd.DataFrame(output0)
     output1=output1.iloc[:,1:3]
-    analyzer = create_analyzer(task="sentiment", lang="es")
-    output2=analyzer.predict(input1)
+    output2=classify_text(input1)
     return output1, output2