app.py

import streamlit as st
import requests
from transformers import pipeline
import pandas as pd

# Step 1: 네이버 뉴스 API 호출 함수
def fetch_naver_news(query, display=10, start=1, sort="date"):
    client_id = "I_8koTJh3R5l4wLurQbG"  # 네이버 개발자 센터에서 발급받은 Client ID
    client_secret = "W5oWYlAgur"  # 네이버 개발자 센터에서 발급받은 Client Secret

    url = "https://openapi.naver.com/v1/search/news.json"
    headers = {
        "X-Naver-Client-Id": client_id,
        "X-Naver-Client-Secret": client_secret,
    }
    params = {
        "query": query,
        "display": display,
        "start": start,
        "sort": sort,
    }

    response = requests.get(url, headers=headers, params=params)
    if response.status_code == 200:
        news_data = response.json()
        return news_data
    else:
        st.error(f"Error: {response.status_code}, {response.text}")
        return None

# Step 2: Hugging Face 정치 성향 분석 모델 로드
def load_huggingface_model():
    classifier = pipeline("text-classification", model="bucketresearch/politicalBiasBERT")
    return classifier

# Step 3: 정치 성향 분류 함수
def classify_political_sentiment(text, classifier):
    result = classifier(text[:512])  # 입력이 너무 길면 잘라서 분석
    sentiment = result[0]
    label = sentiment["label"]
    score = sentiment["score"]

    sentiment_score = score if label == "POSITIVE" else -score

    # 키워드 기반 분류 (진보/보수)
    progressive_keywords = ["복지", "평등", "민주", "환경", "사회적 책임"]
    conservative_keywords = ["안보", "전통", "경제", "성장", "질서", "국방"]

    if any(keyword in text for keyword in progressive_keywords):
        return "진보", sentiment_score
    elif any(keyword in text for keyword in conservative_keywords):
        return "보수", sentiment_score
    else:
        return "중립", sentiment_score

# Step 4: 뉴스 분석 및 결과 출력
def analyze_news_political_orientation(news_items, classifier):
    results = {"진보": 0, "보수": 0, "중립": 0}
    detailed_results = []

    for item in news_items:
        title = item["title"]
        description = item["description"]
        combined_text = f"{title}. {description}"

        # 정치 성향 분류
        orientation, score = classify_political_sentiment(combined_text, classifier)
        results[orientation] += 1
        detailed_results.append({
            "제목": title,
            "요약": description,
            "성향": orientation,
            "점수": score,
            "링크": item["link"]
        })

    return results, detailed_results


# Streamlit 앱 시작
st.title("정치 성향 분석 대시보드")
st.markdown("### 네이버 뉴스 데이터를 실시간으로 수집하고 정치 성향을 분석합니다.")

# 검색 키워드 입력
query = st.text_input("검색 키워드를 입력하세요", value="정치")

if st.button("분석 시작"):
    with st.spinner("데이터를 분석 중입니다..."):
        try:
            # 네이버 뉴스 데이터 수집
            news_data = fetch_naver_news(query, display=10)
            
            if news_data is None:
                st.error("뉴스 데이터를 불러오는 데 실패했습니다.")
            else:
                news_items = news_data["items"]

                # Hugging Face 모델 로드
                classifier = load_huggingface_model()

                # 뉴스 데이터 분석
                results, detailed_results = analyze_news_political_orientation(news_items, classifier)

                # 분석 결과 시각화
                st.subheader("분석 결과 요약")
                st.write(f"진보: {results['진보']}건")
                st.write(f"보수: {results['보수']}건")
                st.write(f"중립: {results['중립']}건")

                # 성향 분포 차트
                st.subheader("성향 분포 차트")
                st.bar_chart(pd.DataFrame.from_dict(results, orient='index', columns=["건수"]))

                # 세부 결과 출력
                st.subheader("세부 결과")
                df = pd.DataFrame(detailed_results)
                st.dataframe(df)

                # 링크 포함한 뉴스 출력
                st.subheader("뉴스 링크")
                for index, row in df.iterrows():
                    st.write(f"- [{row['제목']}]({row['링크']}) (성향: {row['성향']}, 점수: {row['점수']:.2f})")

        except Exception as e:
            st.error(f"오류 발생: {e}")