Update app.py

app.py

@@ -52,41 +52,7 @@ import pandas as pd
 # # Hiển thị hình ảnh mà không có caption và điều chỉnh kích thước nhỏ lại
 # st.image(image_url, width=100)
 
-df = pd.read_csv("./data-law/Data_law_2807.csv")  # Đường dẫn đến file CSV của bạn
-qa_dict = dict(zip(df['question'], df['answer']))
 
-st.title("General Law Chatbot")
-
-# Khởi tạo lịch sử tin nhắn
-if "messages" not in st.session_state:
-    st.session_state.messages = []
-
-# Hiển thị các tin nhắn từ lịch sử
-for message in st.session_state.messages:
-    with st.chat_message(message["role"]):
-        st.markdown(message["content"])
-
-# Nhận input từ người dùng
-if prompt := st.chat_input("What is up?"):
-    # Thêm tin nhắn của người dùng vào lịch sử
-    st.session_state.messages.append({"role": "user", "content": prompt})
-    
-    # Hiển thị tin nhắn của người dùng trong giao diện
-    with st.chat_message("user"):
-        st.markdown(prompt)
-
-    # Kiểm tra xem prompt có trong dictionary không
-    if prompt in qa_dict:
-        response = qa_dict[prompt]
-    else:
-        response = get_response(prompt)
-
-    # Hiển thị câu trả lời của bot trong giao diện
-    with st.chat_message("assistant"):
-        st.markdown(response)
-
-    # Thêm câu trả lời của bot vào lịch sử
-    st.session_state.messages.append({"role": "assistant", "content": response})
 
 
 # Download punkt for nltk
@@ -96,7 +62,7 @@ def download_nltk_punkt():
     nltk.download('punkt_tab')
 
 # Cache loading PhoBert model and tokenizer
-@st.cache_data
+@st.cache_resource
 def load_phoBert():
     model = AutoModelForSequenceClassification.from_pretrained('minhdang14902/Phobert_Law')
     tokenizer = AutoTokenizer.from_pretrained('minhdang14902/Phobert_Law')
@@ -267,7 +233,7 @@ class MRCQuestionAnswering(RobertaPreTrainedModel):
 # roberta_model = MRCQuestionAnswering.from_pretrained(roberta_model_checkpoint)
 
 # Cache loading Roberta model and tokenizer
-@st.cache_data
+@st.cache_resource
 def load_roberta_model():
     model = MRCQuestionAnswering.from_pretrained('minhdang14902/Roberta_Law')
     tokenizer = AutoTokenizer.from_pretrained('minhdang14902/Roberta_Law')
@@ -519,3 +485,42 @@ def get_response(text):
 #     st.session_state.messages.append({"role": "assistant", "content": response})
 
 # Đọc file CSV và tạo dictionary từ file
+@st.cache_data
+def qa_dict():
+    df = pd.read_csv("./data-law/Data_law_2807.csv")  # Đường dẫn đến file CSV của bạn
+    qa_dict = dict(zip(df['question'], df['answer']))
+    return qa_dict
+qa_dict = qa_dict()
+
+st.title("General Law Chatbot")
+
+# Khởi tạo lịch sử tin nhắn
+if "messages" not in st.session_state:
+    st.session_state.messages = []
+
+# Hiển thị các tin nhắn từ lịch sử
+for message in st.session_state.messages:
+    with st.chat_message(message["role"]):
+        st.markdown(message["content"])
+
+# Nhận input từ người dùng
+if prompt := st.chat_input("What is up?"):
+    # Thêm tin nhắn của người dùng vào lịch sử
+    st.session_state.messages.append({"role": "user", "content": prompt})
+    
+    # Hiển thị tin nhắn của người dùng trong giao diện
+    with st.chat_message("user"):
+        st.markdown(prompt)
+
+    # Kiểm tra xem prompt có trong dictionary không
+    if prompt in qa_dict:
+        response = qa_dict[prompt]
+    else:
+        response = get_response(prompt)
+
+    # Hiển thị câu trả lời của bot trong giao diện
+    with st.chat_message("assistant"):
+        st.markdown(response)
+
+    # Thêm câu trả lời của bot vào lịch sử
+    st.session_state.messages.append({"role": "assistant", "content": response})