Update app.py

app.py

@@ -24,10 +24,8 @@ current_dir = os.path.dirname(os.path.abspath(__file__))
 font_path = os.path.join(current_dir, "ArabicR2013-J25x.ttf")
 
 ARABIC_STOP_WORDS = {
-    # First group
     'في', 'من', 'إلى', 'على', 'علي', 'عن', 'مع', 'خلال', 'حتي', 'حتى', 'إذا',
     
-    # Middle group
     'ثم', 'أو', 'و', 'ل', 'ب', 'ك', 'لل', 'ال', 'هذا', 
     'هذه', 'ذلك', 'تلك', 'هؤلاء', 'هم', 'هن', 'هو', 'هي','هنا', 'نحن',
     'انت', 'انتم', 'كان', 'كانت', 'يكون', 'تكون', 'اي', 'كل',
@@ -40,7 +38,6 @@ ARABIC_STOP_WORDS = {
      'يجب', 'صار', 'صارت', 'ضد', 'يا', 'لا', 'اما',
     'بها', 'ان', 'به', 'الي', 'لما', 'انا', 'اليك', 'لي', 'لك','اذا','بلا','او','لديك','لديه','اني','كنت','ليس','ايها', 'قلت',
 
-    # Middle group prefixed with "و"
     'وثم', 'وأو', 'ول', 'وب', 'وك', 'ولل', 'وال', 
     'وهذا', 'وهذه', 'وذلك', 'وتلك', 'وهؤلاء', 'وهم', 'وهن', 'وهو', 'وهي', 'ونحن',
     'وانت', 'وانتم', 'وكان', 'وكانت', 'ويكون', 'وتكون', 'واي', 'وكل',
@@ -53,7 +50,6 @@ ARABIC_STOP_WORDS = {
      'ويجب', 'وصار', 'وصارت', 'وضد', 'ويا', 'ولا', 'واما',
     'وبها', 'وان', 'وبه', 'والي', 'ولما', 'وانا', 'واليك', 'ولي', 'ولك', 'وقلت',
     
-    # Last group
     'وفي', 'ومن', 'وعلى', 'وعلي', 'وعن', 'ومع', 'وحتى', 'وإذا',
     'وهذا', 'وهذه', 'وذلك', 'وتلك', 'وهو', 'وهي', 'ونحن',
     'وكان', 'وكانت', 'وكل', 'وبعض', 'وحول', 'وعند', 'وقد',
@@ -61,11 +57,9 @@ ARABIC_STOP_WORDS = {
     'وبين', 'وقبل', 'وبعد', 'وله', 'ولها', 'وهناك', 'وانه',
     'منه','الا','فيها','فلا','وكم','يكن','عليك','منها','فما','لهم','يكن','واني','هل','فهل','بي','نحو','كي','سوف','كنا','لنا','معا','كلما','وإذا','منه','عنه','إذ','كم','بل','فيها','هكذا','لهم','ولدى', 'وعليه', 'ومثل',
 
-    # Arabic numbers
     'واحد', 'اثنان', 'ثلاثة', 'أربعة', 'خمسة', 'ستة', 'سبعة', 
     'ثمانية', 'تسعة', 'عشرة',
 
-    # Arabic ordinals
     'الأول', 'الثاني', 'الثالث', 'الرابع', 'الخامس', 'السادس', 
     'السابع', 'الثامن', 'التاسع', 'العاشر'
 }
@@ -169,7 +163,6 @@ def create_topic_map(summaries):
     coordinates = get_country_coordinates()
     m = folium.Map(location=[27.0, 42.0], zoom_start=5)
     
-    # Color mapping for sentiments
     sentiment_colors = {
         'LABEL_1': 'green',  # Positive
         'LABEL_0': 'red',    # Negative 
@@ -179,14 +172,12 @@ def create_topic_map(summaries):
     for summary in summaries:
         country_en = COUNTRY_MAPPING.get(summary['country'])
         if country_en and country_en in coordinates:
-            # Direct label mapping (no conversion needed)
             REVERSE_EMOTION_LABELS = {
                 'positive': 'LABEL_1',
                 'negative': 'LABEL_0', 
                 'neutral': 'LABEL_2'
             }
             
-            # Get dominant sentiment
             dominant_emotion = summary['top_emotions'][0]['emotion'] if summary['top_emotions'] else "neutral"
             dominant_label = REVERSE_EMOTION_LABELS.get(dominant_emotion, 'LABEL_2')
             circle_color = sentiment_colors.get(dominant_label, 'gray')
@@ -194,7 +185,6 @@ def create_topic_map(summaries):
             # Debug print
             print(f"DEBUG - Country: {country_en}, Emotion: {dominant_emotion}, Label: {dominant_label}, Color: {circle_color}")
             
-            # Create popup content
             popup_content = f"""
                 <b>{country_en}</b><br>
                 <b>Sentiment Distribution:</b><br>
@@ -204,7 +194,6 @@ def create_topic_map(summaries):
                 Total Poems: {summary['total_poems']}
             """
             
-            # Add marker
             folium.CircleMarker(
                 location=coordinates[country_en],
                 radius=10,
@@ -213,7 +202,6 @@ def create_topic_map(summaries):
                 fill=True
             ).add_to(m)
     
-    # Add legend
     legend_html = """
     <div style="position: fixed; bottom: 50px; left: 50px; z-index: 1000; background-color: white; padding: 10px; border: 2px solid grey; border-radius: 5px">
     <p><b>Sentiment:</b></p>
@@ -505,7 +493,6 @@ if uploaded_file is not None:
         
         df['country'] = df['country'].str.strip()
         df = df.dropna(subset=['country', 'poem'])
-        # Extract 10 rows per country
         sampled_df = df.groupby('country').apply(lambda x: x.head(20)).reset_index(drop=True)
         
         st.subheader("Topic Modeling Settings")