app.py

import streamlit as st
import requests
import openai
from transformers import pipeline
import matplotlib.pyplot as plt
import pandas as pd

# OpenAI API 키 설정
openai.api_key = "YOUR_OPENAI_API_KEY"

# Step 1: 네이버 뉴스 데이터 수집
def fetch_news(query, display=5):
    client_id = "YOUR_NAVER_CLIENT_ID"
    client_secret = "YOUR_NAVER_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": 1, "sort": "date"}
    response = requests.get(url, headers=headers, params=params)
    return response.json()["items"] if response.status_code == 200 else []

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

# Step 3: GPT-4를 사용해 대조 관점 기사 생성
def generate_article_gpt4(prompt):
    try:
        response = openai.ChatCompletion.create(
            model="gpt-4",
            messages=[{"role": "user", "content": prompt}],
            max_tokens=512,
            temperature=0.7,
        )
        return response['choices'][0]['message']['content']
    except Exception as e:
        return f"Error generating text: {e}"

# Step 4: 뉴스 데이터 분석 및 결과 생성
def analyze_news_political_viewpoint(query, sentiment_model):
    news_data = fetch_news(query)
    if not news_data:
        return "뉴스 데이터를 불러오는 데 실패했습니다.", None, None

    results = []
    sentiment_counts = {"진보": 0, "보수": 0}

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

        # 성향 분석
        sentiment = sentiment_model(combined_text[:512])[0]
        sentiment_label = sentiment["label"]
        sentiment_score = sentiment["score"]

        # 진보적/보수적 관점 반대로 기사 생성
        if sentiment_label == "진보":
            prompt = f"다음 기사를 보수적 관점에서 작성해주세요:\n{combined_text}"
        elif sentiment_label == "보수":
            prompt = f"다음 기사를 진보적 관점에서 작성해주세요:\n{combined_text}"
        else:
            continue  # 중립 기사는 제외

        generated_article = generate_article_gpt4(prompt)
        sentiment_counts[sentiment_label] += 1

        # 결과 저장
        results.append({
            "제목": title,
            "원본 기사": description,
            "성향": sentiment_label,
            "성향 점수": sentiment_score,
            "대조 관점 기사": generated_article,
        })

    return "뉴스 분석이 완료되었습니다.", results, sentiment_counts

# Step 5: 시각화 함수
def visualize_sentiment_distribution(sentiment_counts):
    labels = list(sentiment_counts.keys())
    values = list(sentiment_counts.values())
    fig, ax = plt.subplots()
    ax.bar(labels, values, color=['blue', 'red'])
    ax.set_title("진보 vs 보수 기사 수")
    ax.set_ylabel("기사 수")
    st.pyplot(fig)

# Step 6: Streamlit UI
st.title("정치적 관점 비교 분석 도구")
st.markdown("### 뉴스 기사의 정치 성향 분석과 반대 관점 기사 생성")

query = st.text_input("검색 키워드를 입력하세요", value="정치")
if st.button("분석 시작"):
    with st.spinner("분석 중입니다..."):
        sentiment_model = load_sentiment_model()
        status_message, analysis_results, sentiment_counts = analyze_news_political_viewpoint(query, sentiment_model)

        # 결과 출력
        st.subheader(status_message)
        if analysis_results:
            st.write("### 성향 분포 시각화")
            visualize_sentiment_distribution(sentiment_counts)

            st.write("### 분석 결과")
            for result in analysis_results:
                st.write(f"#### 제목: {result['제목']}")
                st.write(f"- **원본 기사**: {result['원본 기사']}")
                st.write(f"- **성향**: {result['성향']} (점수: {result['성향 점수']:.2f})")
                st.write(f"- **대조 관점 기사**: {result['대조 관점 기사']}")
                st.write("---")