Update README.md

README.md

@@ -99,45 +99,58 @@ model_name = "tabularisai/multilingual-sentiment-analysis"
 tokenizer = AutoTokenizer.from_pretrained(model_name)
 model = AutoModelForSequenceClassification.from_pretrained(model_name)
 
-def predict_sentiment(text):
-    inputs = tokenizer(text, return_tensors="pt", truncation=True, padding=True, max_length=512)
+def predict_sentiment(texts):
+    inputs = tokenizer(texts, return_tensors="pt", truncation=True, padding=True, max_length=512)
     with torch.no_grad():
         outputs = model(**inputs)
     probabilities = torch.nn.functional.softmax(outputs.logits, dim=-1)
-    predicted_class = torch.argmax(probabilities, dim=-1).item()
     sentiment_map = {0: "Very Negative", 1: "Negative", 2: "Neutral", 3: "Positive", 4: "Very Positive"}
-    return sentiment_map[predicted_class]
+    return [sentiment_map[p] for p in torch.argmax(probabilities, dim=-1).tolist()]
 
 texts = [
     # English
-    "I absolutely loved this movie! The acting was superb and the plot was engaging.",
-    
+    "I absolutely love the new design of this app!", "The customer service was disappointing.", "The weather is fine, nothing special.",
     # Chinese
-    "我讨厌这种无休止的争吵。",
-    
+    "这家餐厅的菜味道非常棒！", "我对他的回答很失望。", "天气今天一般。",
     # Spanish
-    "El producto funciona como se espera. Nada especial, pero cumple con su función.",
-    
+    "¡Me encanta cómo quedó la decoración!", "El servicio fue terrible y muy lento.", "El libro estuvo más o menos.",
     # Arabic
-    "لم أحب هذا الفيلم على الإطلاق. القصة كانت مملة والشخصيات ضعيفة.",
-    
+    "الخدمة في هذا الفندق رائعة جدًا!", "لم يعجبني الطعام في هذا المطعم.", "كانت الرحلة عادية。",
     # Ukrainian
-    "Я розчарований покупкою, вона не така гарна, як я очікував.",
-    
+    "Мені дуже сподобалася ця вистава!", "Обслуговування було жахливим.", "Книга була посередньою。",
     # Hindi
-    "यह उत्पाद वास्तव में अद्भुत है! इसका उपयोग करना आसान है और यह मेरे लिए बहुत मददगार रहा।",
-    
+    "यह जगह सच में अद्भुत है!", "यह अनुभव बहुत खराब था।", "फिल्म ठीक-ठाक थी।",
     # Bengali
-    "আমি এই রেস্তোরাঁর খাবার পছন্দ করিনি। এটি খুব তেলতেলে এবং অতিরিক্ত রান্না করা।",
-    
+    "এখানকার পরিবেশ অসাধারণ!", "সেবার মান একেবারেই খারাপ।", "খাবারটা মোটামুটি ছিল।",
     # Portuguese
-    "Este livro é fantástico! Eu aprendi muitas coisas novas e inspiradoras."
+    "Este livro é fantástico! Eu aprendi muitas coisas novas e inspiradoras.", 
+    "Não gostei do produto, veio quebrado.", "O filme foi ok, nada de especial.",
+    # Japanese
+    "このレストランの料理は本当に美味しいです！", "このホテルのサービスはがっかりしました。", "天気はまあまあです。",
+    # Russian
+    "Я в восторге от этого нового гаджета!", "Этот сервис оставил у меня только разочарование.", "Встреча была обычной, ничего особенного.",
+    # French
+    "J'adore ce restaurant, c'est excellent !", "L'attente était trop longue et frustrante.", "Le film était moyen, sans plus.",
+    # Turkish
+    "Bu otelin manzarasına bayıldım!", "Ürün tam bir hayal kırıklığıydı.", "Konser fena değildi, ortalamaydı.",
+    # Italian
+    "Adoro questo posto, è fantastico!", "Il servizio clienti è stato pessimo.", "La cena era nella media.",
+    # Polish
+    "Uwielbiam tę restaurację, jedzenie jest świetne!", "Obsługa klienta była rozczarowująca.", "Pogoda jest w porządku, nic szczególnego.",
+    # Tagalog
+    "Ang ganda ng lugar na ito, sobrang aliwalas!", "Hindi maganda ang serbisyo nila dito.", "Maayos lang ang palabas, walang espesyal.",
+    # Dutch
+    "Ik ben echt blij met mijn nieuwe aankoop!", "De klantenservice was echt slecht.", "De presentatie was gewoon oké, niet bijzonder.",
+    # Malay
+    "Saya suka makanan di sini, sangat sedap!", "Pengalaman ini sangat mengecewakan.", "Hari ini cuacanya biasa sahaja.",
+    # Korean
+    "이 가게의 케이크는 정말 맛있어요!", "서비스가 너무 별로였어요.", "날씨가 그저 그렇네요.",
+    # Swiss German
+    "Ich find dä Service i de Beiz mega guet!", "Däs Esä het mir nöd gfalle.", "D Wätter hüt isch so naja."
 ]
 
-for text in texts:
-    sentiment = predict_sentiment(text)
-    print(f"Text: {text}")
-    print(f"Sentiment: {sentiment}\n")
+for text, sentiment in zip(texts, predict_sentiment(texts)):
+    print(f"Text: {text}\nSentiment: {sentiment}\n")
 ```
 
 ## Ethical Considerations