summarizer works

.idea/inspectionProfiles/Project_Default.xml

@@ -4,7 +4,7 @@
     <inspection_tool class="PyPackageRequirementsInspection" enabled="true" level="WARNING" enabled_by_default="true">
       <option name="ignoredPackages">
         <value>
-          <list size="11">
+          <list size="14">
             <item index="0" class="java.lang.String" itemvalue="google-auth-oauthlib" />
             <item index="1" class="java.lang.String" itemvalue="langchain" />
             <item index="2" class="java.lang.String" itemvalue="google-auth-httplib2" />
@@ -16,6 +16,9 @@
             <item index="8" class="java.lang.String" itemvalue="sentence-transformers" />
             <item index="9" class="java.lang.String" itemvalue="chromadb" />
             <item index="10" class="java.lang.String" itemvalue="spacy" />
+            <item index="11" class="java.lang.String" itemvalue="unidecode" />
+            <item index="12" class="java.lang.String" itemvalue="sklearn" />
+            <item index="13" class="java.lang.String" itemvalue="sys" />
           </list>
         </value>
       </option>

language_models.py

+import torch
+from transformers import RobertaTokenizerFast, EncoderDecoderModel, pipeline
+
+
+def summarize_text(text_input):  # Text should always be a string
+    device = 'cuda' if torch.cuda.is_available() else 'cpu'
+    ckpt = 'mrm8488/camembert2camembert_shared-finetuned-french-summarization'
+    tokenizer = RobertaTokenizerFast.from_pretrained(ckpt)
+    model = EncoderDecoderModel.from_pretrained(ckpt).to(device)
+    inputs = tokenizer([text_input], padding="max_length", truncation=True, max_length=512, return_tensors="pt")
+    input_ids = inputs.input_ids.to(device)
+    attention_mask = inputs.attention_mask.to(device)
+    output = model.generate(input_ids, attention_mask=attention_mask)
+    return tokenizer.decode(output[0], skip_special_tokens=True)
+
+
+def qa_pipeline(text_input, user_question):
+    qa_engine = pipeline(
+        "question-answering",
+        model="cmarkea/distilcamembert-base-qa",
+        tokenizer="cmarkea/distilcamembert-base-qa"
+    )
+    result = qa_engine(
+        context=text_input,
+        question=user_question
+    )
+    return result
+
+
+def flant5_summarizer(text_input):
+    device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
+    pipe = pipeline(
+        "summarization",
+        model="bofenghuang/flan-t5-large-dialogsum-fr",
+        device=device,
+    )
+    summarized_text = pipe(text_input, max_new_tokens=1024, max_length=2048)[0]["summary_text"]  # greedy
+    return summarized_text

requirements.txt

@@ -13,3 +13,6 @@ scikit-learn
 nltk
 sys
 unidecode
+transformers
+torch
+sentencepiece
\ No newline at end of file

visuel.py

+import sys
+
+import numpy as np
+from PyQt5.QtCore import Qt
+from PyQt5.QtGui import QPalette, QColor, QPixmap
+from PyQt5.QtWidgets import QApplication, QWidget, QHBoxLayout, QVBoxLayout, QTextEdit, QLineEdit, QPushButton, \
+    QSizePolicy, QListWidget, QListWidgetItem, QLabel
+from nltk.corpus import stopwords
+from nltk.tokenize import word_tokenize
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+
+from language_models import flant5_summarizer
+
+
+def read_text_file(file_path):
+    with open(file_path, 'r', encoding='utf-8') as file:
+        content = file.read().split('\n\n')
+        content1 = [item for item in content if item != ""]
+    return content1
+
+
+def extract_keywords_textblob_french(sentence):
+    stop_words = set(stopwords.words('french'))
+    mots_questions = ['qui', 'quoi', 'où', 'quand', 'pourquoi', 'comment', 'quel', 'quelle', 'quels', 'quelles',
+                      'est-ce que', 'y a-t-il', 'peut-on', 'sont-ils', 'sont-elles', 'combien', 'lequel', 'laquelle',
+                      'lesquels', 'lesquelles', 'est-ce', 'n\'est-ce pas', 'savoir', 'pouvez-vous', 'êtes-vous',
+                      'avez-vous', 'dois-je', 'quelqu\'un', 'quelque chose']
+    stop_words = stop_words.union(mots_questions)
+    words = word_tokenize(sentence, language='french')
+    keywords = [word for word in words if word.lower() not in stop_words]
+    return ' '.join(keywords)
+
+
+def create_vectorial_base(text_lines, min_chars=50):
+    filtered_lines = [line for line in text_lines if len(line) >= min_chars]
+
+    if not filtered_lines:
+        print("No lines with at least 50 characters found.")
+        return None, None, None
+
+    vectorizer = TfidfVectorizer()
+    vectorial_base = vectorizer.fit_transform(filtered_lines).toarray()
+    feature_names = vectorizer.get_feature_names_out()
+
+    return vectorizer, vectorial_base, feature_names
+
+
+def get_best_answers(question, text_lines, vectorizer, vectorial_base):
+    question_vector = vectorizer.transform([question]).toarray()
+
+    # Calculate cosine similarity between the question and each text line
+    similarities = cosine_similarity(question_vector, vectorial_base).flatten()
+
+    # Get the indices of the top 5 most similar text lines
+    top_indices = np.argsort(similarities)[-3:][::-1]
+    # Retrieve the corresponding text lines
+    best_answers = [text_lines[i] + "\n" for i in top_indices]
+
+    return best_answers
+
+
+class WrappingLabel(QLabel):
+    def __init__(self, text='', parent=None):
+        super(WrappingLabel, self).__init__(text, parent)
+        self.setWordWrap(True)
+
+
+class StyledListWidgetItem(QListWidgetItem):
+    def __init__(self, text='', parent=None):
+        super(StyledListWidgetItem, self).__init__(parent)
+        self.setText(text)
+
+    def initStyle(self):
+        palette = QPalette()
+        palette.setColor(QPalette.Highlight,
+                         QColor("#4b5261"))  # Couleur de fond pour l'élément sélectionné dans la liste d'historique
+        palette.setColor(QPalette.HighlightedText,
+                         QColor("#ff0000"))  # Couleur du texte pour l'élément sélectionné dans la liste d'historique
+        self.setData(Qt.UserRole, palette)
+
+
+class StyledListWidget(QListWidget):
+    def __init__(self, parent=None):
+        super(StyledListWidget, self).__init__(parent)
+        self.setAlternatingRowColors(False)
+        self.setStyleSheet("""
+            QListWidget {
+                background-color: #282c34;  /* Couleur de fond pour la liste d'historique */
+                color: #abb2bf;  /* Couleur du texte dans la liste d'historique */
+                border-radius: 10px;  /* Coins arrondis */
+            }
+        """)
+
+    def addStyledItem(self, text):
+        item = StyledListWidgetItem(text)
+        item.initStyle()
+        self.addItem(item)
+
+
+class ChatbotInterface(QWidget):
+    def __init__(self):
+        super().__init__()
+        file_path = 'reglementdescolarite-ingegeneraliste2324-1.docx.txt'
+        self.text_lines = read_text_file(file_path)
+
+        if not self.text_lines:
+            print("The file is empty or doesn't exist.")
+            return
+        self.vectorizer, self.vectorial_base, _ = create_vectorial_base(self.text_lines)
+        self.init_ui()
+        self.command_history = []  # Pour stocker l'historique des commandes
+        self.dico = {}
+
+    def init_ui(self):
+        # Créer des widgets
+        self.conversation_text = QTextEdit(self)
+        self.conversation_text.setReadOnly(True)
+
+        self.user_input_entry = QLineEdit(self)
+        self.user_input_entry.setPlaceholderText("Saisissez votre message...")
+        self.user_input_entry.setMinimumHeight(40)
+
+        self.send_button = QPushButton("Envoyer", self)
+        self.send_button.setMinimumSize(self.user_input_entry.width(), 30)  # Ajustez selon vos besoins
+        self.send_button.setMaximumSize(200, 60)
+        self.send_button.clicked.connect(self.send_message)
+
+        # Historique à droite
+        self.history_list_widget = StyledListWidget(self)
+        self.history_list_widget.itemClicked.connect(self.history_item_clicked)
+        self.history_list_widget.setFixedWidth(200)  # Ajuster la largeur selon vos besoins
+
+        # Configurer la mise en page
+        layout = QVBoxLayout(self)
+        h_layout = QHBoxLayout()
+
+        # Widgets à gauche
+        left_layout = QVBoxLayout()
+        left_layout.addWidget(self.conversation_text)
+        left_layout.addWidget(self.user_input_entry)
+        # Ajouter le bouton "Envoyer" avec une taille réduite
+        self.send_button.setMaximumWidth(self.send_button.width() // 3)
+        left_layout.addWidget(self.send_button, alignment=Qt.AlignRight)
+        h_layout.addLayout(left_layout)
+
+        # Historique à droite
+        h_layout.addWidget(self.history_list_widget)
+        layout.addLayout(h_layout)
+
+        # Configurer la politique de taille pour permettre à la zone de conversation de s'étendre verticalement
+        size_policy = QSizePolicy(QSizePolicy.Preferred, QSizePolicy.Expanding)
+        self.conversation_text.setSizePolicy(size_policy)
+
+        # Définir la fenêtre principale
+        self.setWindowTitle('Chatbot Interface')
+        self.setGeometry(100, 100, 800, 600)
+
+        # Appliquer les styles
+        self.setStyleSheet("""
+            QWidget {
+                background-color: #282c34;  /* Couleur principale de fond pour l'application */
+                color: #abb2bf;  /* Couleur du texte principal */
+            }
+            
+            QTextEdit, QLineEdit {
+                background-color: #2c313a;  /* Couleur de fond pour la zone de texte et d'entrée utilisateur */
+                color: #abb2bf;  /* Couleur du texte dans la zone de texte et d'entrée utilisateur */
+                border-radius: 10px;  /* Coins arrondis */
+            }
+
+            QPushButton {
+                background-color: #61afef;  /* Couleur de fond pour le bouton Envoyer */
+                color: #282c34;  /* Couleur du texte sur le bouton Envoyer */
+                border-radius: 10px;  /* Coins arrondis */
+            }
+
+            
+        """)
+        self.user_input_entry.returnPressed.connect(self.send_message)
+        self.history_list_widget.itemClicked.connect(self.history_item_clicked)
+
+    def send_message(self):
+
+        user_command = self.user_input_entry.text()
+        if len(user_command) > 0:
+            self.conversation_text.clear()
+            self.conversation_text.append(f"Commande utilisateur: {user_command}")
+
+            best_answers = get_best_answers(user_command, self.text_lines, self.vectorizer, self.vectorial_base)
+
+            flant5_summarized_text = "La réponse formulée par flan-T5 (1024) : \n" + flant5_summarizer(
+                " ".join(best_answers))
+
+            chatbot_response = flant5_summarized_text + \
+                               "\n\n Les documents utilisés pour formuler cette réponse sont : \n\n\n"
+            for i, answer in enumerate(best_answers, start=1):
+                chatbot_response += (f"{i}. {answer.strip()}\n\n")
+            self.conversation_text.append(chatbot_response)
+
+            # Ajouter la commande à l'historique
+            user_command1 = extract_keywords_textblob_french(user_command)
+            self.command_history.append(user_command1)
+            self.dico[user_command1] = chatbot_response
+
+            # Mettre à jour la liste d'historique
+            self.update_history_list()
+
+            self.user_input_entry.clear()
+        else:
+            pass
+
+    def set_logo(self, image_path):
+        pixmap = QPixmap(image_path)
+        self.logo_label.setPixmap(pixmap)
+        self.logo_label.setScaledContents(True)
+
+    def update_history_list(self):
+        self.history_list_widget.clear()
+        for command in self.command_history:
+            self.history_list_widget.addStyledItem(command)
+
+    def history_item_clicked(self, item):
+        self.conversation_text.clear()
+        # Réafficher le contenu dans la conversation_text lorsque l'élément de l'historique est cliqué
+        selected_index = self.history_list_widget.row(item)
+        if selected_index < len(self.command_history):
+            selected_command = self.command_history[selected_index]
+            self.conversation_text.append(f"Commande utilisateur: {selected_command}")
+            # Traiter la commande et obtenir la réponse du chatbot (vous devrez ajuster cela en fonction de votre application)
+            chatbot_response = f"Réponse du chatbot pour la commande: {self.dico[selected_command]}"
+            self.conversation_text.append(chatbot_response)
+
+
+if __name__ == '__main__':
+    app = QApplication(sys.argv)
+    chatbot_app = ChatbotInterface()
+
+    # Centrer la fenêtre
+    screen = app.primaryScreen()
+    center_point = screen.availableGeometry().center()
+    chatbot_app.move(center_point - chatbot_app.rect().center())
+
+    # Ajuster la taille de la fenêtre
+    new_width = screen.availableGeometry().width() // 2
+    chatbot_app.resize(new_width, screen.availableGeometry().height() * round(7 / 8))
+
+    chatbot_app.show()
+    sys.exit(app.exec_())