Update app.py

app.py

@@ -94,6 +94,7 @@ def perform_verification(claim, context, model_qatc, tokenizer_qatc, model_tc, t
         torch.cuda.empty_cache()
     gc.collect()
     
+    verdict_start_time = time.time()
     # Parallel classification using ThreadPoolExecutor
     with ThreadPoolExecutor(max_workers=2) as executor:
         future_tc = executor.submit(cached_classify_claim, claim, evidence, tc_model_name, False)
@@ -102,7 +103,6 @@ def perform_verification(claim, context, model_qatc, tokenizer_qatc, model_tc, t
         prob3class, pred_tc = future_tc.result()
         prob2class, pred_bc = future_bc.result()
     
-    verdict_start_time = time.time()
     with torch.no_grad():
         verdict = "NEI"
         if pred_tc != 0:
@@ -137,7 +137,7 @@ def monitor_performance():
 
 # Set page configuration
 st.set_page_config(
-    page_title="SemViQA - Hệ thống Kiểm chứng Thông tin Tiếng Việt",
+    page_title="SemViQA - A Semantic Question Answering System for Vietnamese Information Fact-Checking",
     page_icon="🔍",
     layout="wide",
     initial_sidebar_state="expanded"
@@ -340,18 +340,18 @@ st.markdown("""
 st.markdown("""
     <div class="main-header">
         <div class="main-title">SemViQA</div>
-        <div class="sub-title">Hệ thống Kiểm chứng Thông tin Tiếng Việt</div>
+        <div class="sub-title">A Semantic Question Answering System for Vietnamese Information Fact-Checking</div>
     </div>
 """, unsafe_allow_html=True)
 
 # Sidebar
 with st.sidebar:
-    st.markdown("### ⚙️ Cài đặt Hệ thống")
+    st.markdown("### ⚙️ System Settings")
     
     # Model selection
-    st.markdown("#### 🧠 Chọn Mô hình")
+    st.markdown("#### 🧠 Model Selection")
     qatc_model_name = st.selectbox(
-        "Mô hình QATC",
+        "QATC Model",
         [
             "SemViQA/qatc-infoxlm-viwikifc",
             "SemViQA/qatc-infoxlm-isedsc01",
@@ -361,7 +361,7 @@ with st.sidebar:
     )
     
     bc_model_name = st.selectbox(
-        "Mô hình Phân loại Nhị phân",
+        "Binary Classification Model",
         [
             "SemViQA/bc-xlmr-viwikifc",
             "SemViQA/bc-xlmr-isedsc01",
@@ -373,7 +373,7 @@ with st.sidebar:
     )
     
     tc_model_name = st.selectbox(
-        "Mô hình Phân loại Ba lớp",
+        "Three-Class Classification Model",
         [
             "SemViQA/tc-xlmr-viwikifc",
             "SemViQA/tc-xlmr-isedsc01",
@@ -385,40 +385,40 @@ with st.sidebar:
     )
     
     # Threshold settings
-    st.markdown("#### ⚖️ Ngưỡng Phân tích")
+    st.markdown("#### ⚖️ Analysis Thresholds")
     tfidf_threshold = st.slider(
-        "Ngưỡng TF-IDF",
+        "Confidence Threshold",
         0.0, 1.0, 0.5,
-        help="Điều chỉnh độ nhạy trong việc tìm kiếm bằng chứng"
+        help="Adjust sensitivity in evidence search"
     )
     
     length_ratio_threshold = st.slider(
-        "Ngưỡng Tỷ lệ Độ dài",
+        "Length Ratio Threshold",
         0.1, 1.0, 0.5,
-        help="Điều chỉnh độ dài tối đa của bằng chứng"
+        help="Adjust maximum evidence length"
     )
     
     # Display settings
-    st.markdown("#### 👁️ Hiển thị")
+    st.markdown("#### 👁️ Display")
     show_details = st.checkbox(
-        "Hiển thị Chi tiết Xác suất",
+        "Show Probability Details",
         value=False,
-        help="Hiển thị thông tin chi tiết về xác suất dự đoán"
+        help="Display detailed probability information"
     )
     
     # Performance settings
-    st.markdown("#### ⚡ Hiệu suất")
+    st.markdown("#### ⚡ Performance")
     num_threads = st.slider(
-        "Số luồng CPU",
+        "CPU Threads",
         1, psutil.cpu_count(),
         psutil.cpu_count(logical=False),
-        help="Điều chỉnh hiệu suất xử lý"
+        help="Adjust processing performance"
     )
     os.environ["OMP_NUM_THREADS"] = str(num_threads)
     os.environ["MKL_NUM_THREADS"] = str(num_threads)
 
 # Main content
-tabs = st.tabs(["🔍 Kiểm chứng", "📊 Lịch sử", "ℹ️ Thông tin"])
+tabs = st.tabs(["🔍 Verify", "📊 History", "ℹ️ Info"])
 
 tokenizer_qatc, model_qatc = load_model(qatc_model_name, QATCForQuestionAnswering, device=DEVICE)
 tokenizer_bc, model_bc = load_model(bc_model_name, ClaimModelForClassification, is_bc=True, device=DEVICE)
@@ -434,25 +434,25 @@ with tabs[0]:
     col1, col2 = st.columns([2, 1])
     
     with col1:
-        st.markdown("### 📝 Nhập Thông tin")
+        st.markdown("### 📝 Input Information")
         claim = st.text_area(
-            "Câu khẳng định cần kiểm chứng",
+            "Claim to Verify",
             "Chiến tranh với Campuchia đã kết thúc trước khi Việt Nam thống nhất.",
-            help="Nhập câu khẳng định cần được kiểm chứng"
+            help="Enter the claim to be verified"
         )
         
         context = st.text_area(
-            "Ngữ cảnh",
+            "Context",
             "Sau khi thống nhất, Việt Nam tiếp tục gặp khó khăn do sự sụp đổ và tan rã của đồng minh Liên Xô cùng Khối phía Đông, các lệnh cấm vận của Hoa Kỳ, chiến tranh với Campuchia, biên giới giáp Trung Quốc và hậu quả của chính sách bao cấp sau nhiều năm áp dụng. Năm 1986, Đảng Cộng sản ban hành cải cách đổi mới, tạo điều kiện hình thành kinh tế thị trường và hội nhập sâu rộng. Cải cách đổi mới kết hợp cùng quy mô dân số lớn đưa Việt Nam trở thành một trong những nước đang phát triển có tốc độ tăng trưởng thuộc nhóm nhanh nhất thế giới, được coi là Hổ mới châu Á dù cho vẫn gặp phải những thách thức như tham nhũng, tội phạm gia tăng, ô nhiễm môi trường và phúc lợi xã hội chưa đầy đủ. Ngoài ra, giới bất đồng chính kiến, chính phủ một số nước phương Tây và các tổ chức theo dõi nhân quyền có quan điểm chỉ trích hồ sơ nhân quyền của Việt Nam liên quan đến các vấn đề tôn giáo, kiểm duyệt truyền thông, hạn chế hoạt động ủng hộ nhân quyền cùng các quyền tự do dân sự.",
-            help="Nhập ngữ cảnh hoặc văn bản tham khảo"
+            help="Enter context or reference text"
         )
         
-        verify_button = st.button("🔍 Kiểm chứng", use_container_width=True)
+        verify_button = st.button("🔍 Verify", use_container_width=True)
     
     with col2:
-        st.markdown("### 📊 Kết quả")
+        st.markdown("### 📊 Results")
         if verify_button:
-            with st.spinner("Đang kiểm chứng..."):
+            with st.spinner("Verifying..."):
                 # Preprocess texts
                 preprocessed_claim = preprocess_text(claim)
                 preprocessed_context = preprocess_text(context)
@@ -526,17 +526,17 @@ with tabs[0]:
                 
                 st.markdown(f"""
                     <div class="result-box">
-                        <h3>Kết quả Kiểm chứng</h3>
-                        <p><strong>Câu khẳng định:</strong> {res['claim']}</p>
-                        <p><strong>Bằng chứng:</strong> {res['evidence']}</p>
+                        <h3>Verification Results</h3>
+                        <p><strong>Claim:</strong> {res['claim']}</p>
+                        <p><strong>Evidence:</strong> {res['evidence']}</p>
                         <p class="verdict {verdict_class}">
                             {verdict_icons.get(res['verdict'], '')} {res['verdict']}
                         </p>
                         <div class="stats-box">
-                            <p><strong>Thời gian trích xuất bằng chứng:</strong> {res['evidence_time']:.2f} giây</p>
-                            <p><strong>Thời gian phân loại:</strong> {res['verdict_time']:.2f} giây</p>
-                            <p><strong>Tổng thời gian:</strong> {res['total_time']:.2f} giây</p>
-                            <p><strong>Hiệu suất:</strong></p>
+                            <p><strong>Evidence Extraction Time:</strong> {res['evidence_time']:.2f} seconds</p>
+                            <p><strong>Classification Time:</strong> {res['verdict_time']:.2f} seconds</p>
+                            <p><strong>Total Time:</strong> {res['total_time']:.2f} seconds</p>
+                            <p><strong>Performance:</strong></p>
                             <ul>
                                 <li>CPU: {res['performance_metrics']['cpu_percent']}%</li>
                                 <li>RAM: {res['performance_metrics']['memory_percent']}%</li>
@@ -549,35 +549,35 @@ with tabs[0]:
                 
                 # Download button with performance metrics
                 result_text = f"""
-Câu khẳng định: {res['claim']}
-Bằng chứng: {res['evidence']}
-Kết luận: {res['verdict']}
-Chi tiết: {res['details']}
+Claim: {res['claim']}
+Evidence: {res['evidence']}
+Verdict: {res['verdict']}
+Details: {res['details']}
 
-Hiệu suất:
+Performance:
 - CPU: {res['performance_metrics']['cpu_percent']}%
 - RAM: {res['performance_metrics']['memory_percent']}%
 {f"- GPU Memory: {res['performance_metrics'].get('gpu_memory_used', 'N/A'):.2f} MB" if DEVICE == "cuda" else ""}
 """
                 st.download_button(
-                    "📥 Tải kết quả",
+                    "📥 Download Results",
                     data=result_text,
-                    file_name="ket_qua_kiem_chung.txt",
+                    file_name="verification_results.txt",
                     mime="text/plain"
                 )
         else:
-            st.info("Vui lòng nhập thông tin và nhấn nút Kiểm chứng để bắt đầu.")
+            st.info("Please enter information and click Verify to begin.")
 
 # --- Tab History ---
 with tabs[1]:
-    st.markdown("### 📊 Lịch sử Kiểm chứng")
+    st.markdown("### 📊 Verification History")
     if 'history' in st.session_state and st.session_state.history:
         # Download full history
         history_df = pd.DataFrame(st.session_state.history)
         st.download_button(
-            "📥 Tải toàn bộ lịch sử",
+            "📥 Download Full History",
             data=history_df.to_csv(index=False).encode('utf-8'),
-            file_name="lich_su_kiem_chung.csv",
+            file_name="verification_history.csv",
             mime="text/csv"
         )
         
@@ -585,42 +585,36 @@ with tabs[1]:
         for idx, record in enumerate(reversed(st.session_state.history), 1):
             st.markdown(f"""
                 <div class="result-box">
-                    <h4>Kiểm chứng #{idx}</h4>
-                    <p><strong>Câu khẳng định:</strong> {record['claim']}</p>
-                    <p><strong>Kết luận:</strong> {verdict_icons.get(record['verdict'], '')} {record['verdict']}</p>
-                    <p><strong>Thời gian:</strong> {record['total_time']:.2f} giây</p>
+                    <h4>Verification #{idx}</h4>
+                    <p><strong>Claim:</strong> {record['claim']}</p>
+                    <p><strong>Verdict:</strong> {verdict_icons.get(record['verdict'], '')} {record['verdict']}</p>
+                    <p><strong>Time:</strong> {record['total_time']:.2f} seconds</p>
                 </div>
             """, unsafe_allow_html=True)
     else:
-        st.info("Chưa có lịch sử kiểm chứng.")
+        st.info("No verification history available.")
 
 # --- Tab Info ---
 with tabs[2]:
     st.markdown("""
-        <div class="info-section">
-            <h3>ℹ️ Thông tin về SemViQA</h3>
-            <p>SemViQA là hệ thống kiểm chứng thông tin tự động cho tiếng Việt, được phát triển bởi nhóm nghiên cứu tại Đại học Công nghệ Thông tin - Đại học Quốc gia TP.HCM.</p>
-            
-            <h4>🔍 Cách sử dụng</h4>
-            <ol>
-                <li>Nhập câu khẳng định cần kiểm chứng</li>
-                <li>Nhập ngữ cảnh hoặc văn bản tham khảo</li>
-                <li>Điều chỉnh các tham số trong phần Cài đặt nếu cần</li>
-                <li>Nhấn nút Kiểm chứng</li>
-            </ol>
-            
-            <h4>⚙️ Các tham số</h4>
-            <ul>
-                <li><strong>Ngưỡng TF-IDF:</strong> Điều chỉnh độ nhạy trong việc tìm kiếm bằng chứng</li>
-                <li><strong>Ngưỡng Tỷ lệ Độ dài:</strong> Điều chỉnh độ dài tối đa của bằng chứng</li>
-                <li><strong>Số luồng CPU:</strong> Điều chỉnh hiệu suất xử lý</li>
-            </ul>
-            
-            <h4>📊 Kết quả</h4>
-            <ul>
-                <li><strong>SUPPORTED:</strong> Câu khẳng định được hỗ trợ bởi bằng chứng</li>
-                <li><strong>REFUTED:</strong> Câu khẳng định bị bác bỏ bởi bằng chứng</li>
-                <li><strong>NEI:</strong> Không đủ bằng chứng để kết luận</li>
-            </ul>
-        </div>
-    """, unsafe_allow_html=True)
+    ### ℹ️ About SemViQA 
+**Author:** [**Nam V. Nguyen**](https://github.com/DAVID-NGUYEN-S16), [**Dien X. Tran**](https://github.com/xndien2004), Thanh T. Tran, Anh T. Hoang, Tai V. Duong, Di T. Le, Phuc-Lu Le 
+             
+SemViQA is a cutting-edge Vietnamese fact-checking system designed to combat misinformation. It leverages semantic-based evidence retrieval (SER) and a two-step verdict classification (TVC) approach to verify claims efficiently. By combining TF-IDF with a Question Answering Token Classifier (QATC), SemViQA improves accuracy while reducing inference time. Achieving state-of-the-art performance, it has set new benchmarks on ViWikiFC (80.82% accuracy) and ISE-DSC01 (78.97% accuracy) datasets. With its 7x speed boost, SemViQA is a powerful tool for ensuring information integrity in the Vietnamese language.
+
+#### 🔍 How to Use  
+1. Enter the claim to verify  
+2. Enter context or reference text  
+3. Adjust parameters in Settings if needed  
+4. Click Verify button  
+
+#### ⚙️ Parameters  
+- **Confidence Threshold:** Adjust sensitivity in evidence search  
+- **Length Ratio Threshold:** An important parameter in the evidence retrieval process. It determines how text segments are processed when compared to the length of the claim to be verified. 
+- **CPU Threads:** Adjust processing performance  
+
+#### 📊 Results  
+- **SUPPORTED:** The claim is supported by evidence  
+- **REFUTED:** The claim is refuted by evidence  
+- **NEI:** Not enough information to conclude    
+    """)