Create app.py

app.py

@@ -0,0 +1,145 @@
+import streamlit as st
+import time
+import networkx as nx
+
+#transformers
+from transformers import (
+    AutoTokenizer,
+    AutoModelForSequenceClassification,
+    pipeline,
+)
+
+model_names = [
+    'wangchanberta-base-att-spm-uncased',
+]
+
+tokenizers = {
+    'wangchanberta-base-att-spm-uncased': AutoTokenizer,
+}
+public_models = ['xlm-roberta-base', 'bert-base-multilingual-cased']
+#Choose Pretrained Model
+model_name = "wangchanberta-base-att-spm-uncased" 
+
+#create tokenizer
+tokenizer = tokenizers[model_name].from_pretrained(
+                f'airesearch/{model_name}' if model_name not in public_models else f'{model_name}',
+                revision='main',
+                model_max_length=416,)
+
+#pipeline
+zero_classify = pipeline(task='zero-shot-classification',
+         tokenizer=tokenizer,
+         model=AutoModelForSequenceClassification.from_pretrained(
+             f'airesearch/{model_name}' if model_name not in public_models else f'airesearch/{model_name}-finetuned',
+             revision='finetuned@xnli_th')
+         )
+
+def intent_classifier(text_input, candidate_labels, zero_classify=zero_classify):
+    output_label = zero_classify(text_input, candidate_labels=candidate_labels)
+    return output_label['labels'][0]
+
+customer_name = "จิรานุวัฒน์"
+bot_identity = 'female'
+bot_name = 'ท้องฟ้า'
+pronoun = 'ดิฉัน' if bot_identity == 'female' else 'กระผม'
+sentence_ending = ['ค่ะ','คะ'] if bot_identity == 'female' else ['ครับ','ครับ']
+comany_name = 'แมวเหมียว'
+
+# Create a directed graph
+A = nx.DiGraph(section='A')
+
+# Add nodes and edges
+A.add_node("START A", response=f"สวัสดี{sentence_ending[0]} ขอเรียนสายคุณ {customer_name} {sentence_ending[0]}")
+A.add_node("A1", response=f"{pronoun} ต้องกราบขอประทานโทษเป็นอย่างสูงที่โทรมารบกวนนะ{sentence_ending[1]} {pronoun} ชื่อ {bot_name} ใบอนุญาตนายหน้าประกันวินาศภัยเลขที่ XXXXXXXXXX ติดต่อจากบริษัท {comany_name} จำกัด โทรมาเพื่อขออนุญาตนำเสนอสิทธิประโยชน์สำหรับลูกค้าของธนาคาร{comany_name} ไม่ทราบว่าจะสะดวกหรือไม่{sentence_ending[1]}", intent_classify= lambda x :intent_classifier(x,["ได้","ไม่ได้ ไม่ตกลง ยังไม่ตกลง ยังไม่ได้"]))
+A.add_node("A2", response=f"{pronoun} ขออนุญาตติดต่อกลับคุณ{customer_name} อีกครั้งในวันที่....ไม่ทราบว่า คุณ{customer_name} สะดวกไหม{sentence_ending[1]} ")
+A.add_node("END", response=f"ต้องกราบขอประทานโทษเป็นอย่างสูงที่โทรมารบกวนนะ{sentence_ending[1]} {pronoun} หวังเป็นอย่างยิ่งว่าทางบริษัท {comany_name} จะได้ให้บริการคุณ{customer_name} ในโอกาสถัดไปนะ{sentence_ending[1]} หากคุณ{customer_name} ไม่ประสงค์ที่จะให้บริษัท {comany_name} ติดต่อเพื่อนำเสนอบริการของ บริษัท {comany_name} สามารถแจ้งผ่าน Call Center โทร 02-123-4567 ได้{sentence_ending[0]} ขอขอบพระคุณ ที่สละเวลาในการฟังข้อมูลของ บริษัท {comany_name} ขออนุญาตวางสาย{sentence_ending[0]} สวัสดี{sentence_ending[0]}")
+A.add_node("A3", response=f"ขอบพระคุณ{sentence_ending[0]} และเพื่อเป็นการปรับปรุงคุณภาพในการให้บริการ ขออนุญาตบันทึกเสียงการสนทนาในครั้งนี้ด้วยนะ{sentence_ending[1]}", intent_classify= lambda x :intent_classifier(x,["ได้","ไม่ได้ ไม่ตกลง ยังไม่ตกลง ยังไม่ได้"]))
+A.add_node("END A1", response=f"ขอบพระคุณ{sentence_ending[0]} ดิฉันจะไม่บันทึกเสียงการสนทนาในครั้งนี้{sentence_ending[0]}")
+A.add_node("END A2", response=f"ขอบพระคุณ{sentence_ending[0]} ขณะนี้ได้เริ่มบันทึกการสนทนาแล้วนะ{sentence_ending[1]}")
+
+A.add_edges_from((("START A","A1"),("A1","A2"),("A2","END"),("A1","A3"),("A3","END A1"),("A3","END A2")))
+
+# Create a directed graph
+B = nx.DiGraph(section='B')
+
+# Add nodes and edges
+B.add_node("START B", response=f"เนื่องในโอกาสที่ ธนาคาร{comany_name} ได้จัดตั้งบริษัท {comany_name} จำกัด เข้าเป็นบริษัทในกลุ่มธุรกิจการเงินของธนาคาร โดยมีวัตถุประสงค์ประกอบกิจการเป็นนายหน้าประกันวินาศภัย {pronoun} {bot_name} จึงติดต่อมาเพื่อขออนุญาตนำเสนอแผนประกันภัยรถยนต์แบบพิเศษเฉพาะลูกค้าของธนาคาร{comany_name}เท่านั้น {pronoun}ขอชี้แจงรายละเอียดนะ{sentence_ending[1]} ")
+B.add_node("B1", response=f"เพื่อให้ท่านสมาชิกได้รับประโยชน์สูงสุด จึงขออนุญาตสอบถามข้อมูลรถยนต์ของคุณ{customer_name} นะ{sentence_ending[1]}")
+B.add_node("B2", response=f"รถยนต์มีประกันประเภทใด (1,2,3,2+,3+) รับประกันภัยโดยบริษัทฯใด สิ้นสุดความคุ้มครองเมื่อใด")
+B.add_node("END B", response=f"{comany_name}ได้คัดสรรค์แบบประกัน เพื่อเป็นทางเลือกที่คุ้มค่าไว้บริการสำหรับลูกค้าของธนาคาร{comany_name} ดังนี้")
+
+B.add_edges_from((("START B","B1"),("B1","B2"),("B2","END B")))
+
+Bot_dialog = nx.compose(A, B)
+Bot_dialog.add_edges_from((("END A1","START B"),("END A2","START B")))
+
+# Initialize session state
+if "Bot_dialog" not in st.session_state:
+    st.session_state.Bot_dialog = Bot_dialog
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+if "current_node" not in st.session_state:
+    st.session_state.current_node = "START A"
+
+def main():
+    st.title("Voicebot's Chatbot Demo")
+
+    with st.chat_message("assistant"):
+        message_placeholder = st.empty()
+        full_response = ""
+        assistant_response = st.session_state.Bot_dialog.nodes["START A"]["response"]
+
+        # Simulate stream of response with milliseconds delay
+        for chunk in assistant_response.split():
+            full_response += chunk + " "
+            time.sleep(0.05)
+            # Add a blinking cursor to simulate typing
+            message_placeholder.markdown(full_response + "▌")
+        message_placeholder.markdown(full_response)
+
+    for message in st.session_state.messages:
+        with st.chat_message(message["role"]):
+            st.markdown(message["content"])
+            
+    # Accept user input
+    if prompt := st.chat_input("Enter your message."):
+        # Add user message to chat history
+        st.session_state.messages.append({"role": "user", "content": prompt})
+        # Display user message in chat message container
+        with st.chat_message("user"):
+            st.markdown(prompt)
+
+            next_nodes = list(st.session_state.Bot_dialog.successors(st.session_state.current_node))
+            if next_nodes:
+                if "intent_classify"  in st.session_state.Bot_dialog.nodes[st.session_state.current_node]:
+                    intent = st.session_state.Bot_dialog.nodes[st.session_state.current_node]["intent_classify"](prompt)
+
+                if len(next_nodes) == 1:
+                    st.session_state.current_node = next_nodes[0]
+                else:
+                    if intent == "ไม่ได้ ไม่ตกลง ยังไม่ตกลง ยังไม่ได้":
+                        st.session_state.current_node = next_nodes[0]
+                    else:
+                        st.session_state.current_node = next_nodes[1]
+
+        # Display assistant response in chat message container
+        with st.chat_message("assistant"):
+            message_placeholder = st.empty()
+            full_response = ""
+            assistant_response = st.session_state.Bot_dialog.nodes[st.session_state.current_node]["response"]
+            if st.session_state.current_node == "END B" or st.session_state.current_node == "END":
+                st.warning("Conversation Ended. Please refresh this page to start a new conversation.")
+
+            # Simulate stream of response with milliseconds delay
+            for chunk in assistant_response.split():
+                full_response += chunk + " "
+                time.sleep(0.05)
+                # Add a blinking cursor to simulate typing
+                message_placeholder.markdown(full_response + "▌")
+            message_placeholder.markdown(full_response)
+
+        # Add assistant response to chat history
+        st.session_state.messages.append({"role": "assistant", "content": full_response})
+
+if __name__ == "__main__":
+    main()