Add Turkish aspect term extraction app

app.py

@@ -0,0 +1,123 @@
+import gradio as gr
+from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
+import torch
+import re
+from collections import Counter
+
+# LOAD MODEL
+MODEL_ID = "Sengil/t5-turkish-aspect-term-extractor"
+DEVICE = torch.device("cuda" if torch.cuda.is_available() else "cpu")
+
+tokenizer = AutoTokenizer.from_pretrained(MODEL_ID)
+model = AutoModelForSeq2SeqLM.from_pretrained(MODEL_ID).to(DEVICE)
+model.eval()
+
+TURKISH_STOPWORDS = {
+    "ve", "çok", "ama", "bir", "bu", "daha", "gibi", "ile", "için",
+    "de", "da", "ki", "o", "şu", "bu", "sen", "biz", "siz", "onlar"
+}
+
+def is_valid_aspect(word):
+    word = word.strip().lower()
+    return (
+        len(word) > 1 and
+        word not in TURKISH_STOPWORDS and
+        word.isalpha()
+    )
+
+def extract_and_rank_aspects(text, max_tokens=64, beams=5):
+    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True).to(DEVICE)
+
+    with torch.no_grad():
+        outputs = model.generate(
+            input_ids=inputs["input_ids"],
+            attention_mask=inputs["attention_mask"],
+            max_new_tokens=max_tokens,
+            num_beams=beams,
+            num_return_sequences=beams,
+            early_stopping=True
+        )
+
+    all_predictions = [
+        tokenizer.decode(output, skip_special_tokens=True)
+        for output in outputs
+    ]
+
+    all_terms = []
+    for pred in all_predictions:
+        candidates = re.split(r"[;,–—\-]|(?:\s*,\s*)", pred)
+        all_terms.extend([w.strip().lower() for w in candidates if is_valid_aspect(w)])
+
+    ranked = Counter(all_terms).most_common()
+    return ranked
+
+def process_text(text):
+    if not text.strip():
+        return "Lütfen analiz edilecek bir metin girin."
+    
+    try:
+        ranked_aspects = extract_and_rank_aspects(text)
+        
+        if not ranked_aspects:
+            return "Metinde herhangi bir aspect term bulunamadı."
+        
+        result = "🎯 **Bulunan Aspect Terimler:**\n\n"
+        for i, (term, score) in enumerate(ranked_aspects, 1):
+            result += f"{i}. **{term.title()}** - Skor: {score}\n"
+        
+        return result
+    except Exception as e:
+        return f"Hata oluştu: {str(e)}"
+
+# Gradio Interface
+with gr.Blocks(title="🇹🇷 Türkçe Aspect Term Extraction", theme=gr.themes.Soft()) as demo:
+    gr.HTML("""
+    <div style="text-align: center; margin-bottom: 20px;">
+        <h1>🇹🇷 Türkçe Aspect Term Extraction</h1>
+        <p>T5 tabanlı model ile Türkçe metinlerden aspect terimleri çıkarın</p>
+        <p><i>Model: Sengil/t5-turkish-aspect-term-extractor</i></p>
+    </div>
+    """)
+    
+    with gr.Row():
+        with gr.Column():
+            text_input = gr.Textbox(
+                label="📝 Analiz edilecek metin",
+                placeholder="Örnek: Artılar: Göl manzarasıyla harika bir atmosfer, Ipoh'un her zaman sıcak olan havası nedeniyle iyi bir klima olan restoran...",
+                lines=5,
+                max_lines=10
+            )
+            
+            analyze_btn = gr.Button("🔍 Aspect Terimleri Çıkar", variant="primary", size="lg")
+        
+        with gr.Column():
+            output = gr.Markdown(
+                label="📊 Sonuçlar",
+                value="Sonuçlar burada görünecek..."
+            )
+    
+    # Example texts
+    gr.HTML("<h3>📋 Örnek Metinler:</h3>")
+    
+    examples = [
+        ["Artılar: Göl manzarasıyla harika bir atmosfer, Ipoh'un her zaman sıcak olan havası nedeniyle iyi bir klima olan restoran, iyi ve hızlı hizmet sunan garsonlar, temassız ödeme kabul eden e-cüzdan, ücretsiz otopark ama sıcak güneş altında açık, yemeklerin tadı güzel."],
+        ["Bu otelin konumu mükemmel, personel çok yardımısever. Kahvaltı çeşitliliği iyi ancak oda temizliği yetersiz. WiFi hızı da çok yavaş."],
+        ["Ürünün kalitesi harika, kargo hızlı geldi. Fiyat biraz yüksek ama memnunum. Müşteri hizmeti de gayet iyi."]
+    ]
+    
+    gr.Examples(
+        examples=examples,
+        inputs=[text_input],
+        outputs=[output],
+        fn=process_text,
+        cache_examples=False
+    )
+    
+    analyze_btn.click(
+        fn=process_text,
+        inputs=[text_input],
+        outputs=[output]
+    )
+
+if __name__ == "__main__":
+    demo.launch()

requirements.txt

@@ -0,0 +1,7 @@
+transformers>=4.30.0
+torch>=2.0.0
+torchvision
+torchaudio
+accelerate
+sentencepiece
+protobuf