Update app.py

app.py

@@ -1,111 +1,131 @@
 import streamlit as st
 import requests
-import openai
-from transformers import pipeline
 import matplotlib.pyplot as plt
+from transformers import pipeline
+import openai
 import pandas as pd
 
 # OpenAI API 키 설정
 openai.api_key = "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"
 
-# Step 1: 네이버 뉴스 데이터 수집
-def fetch_news(query, display=5):
-    client_id = "I_8koTJh3R5l4wLurQbG"
-    client_secret = "W5oWYlAgur"
+# 네이버 뉴스 API를 통해 실제 뉴스 기사 가져오기
+def fetch_naver_news(query, display=5):
+    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": 1, "sort": "date"}
-    response = requests.get(url, headers=headers, params=params)
-    return response.json()["items"] if response.status_code == 200 else []
+    headers = {
+        "X-Naver-Client-Id": client_id,
+        "X-Naver-Client-Secret": client_secret,
+    }
+    params = {
+        "query": query,
+        "display": display,
+        "start": 1,
+        "sort": "date",  # 최신순으로 정렬
+    }
 
-# Step 2: 정치 성향 분석 모델 로드
+    response = requests.get(url, headers=headers, params=params)
+    if response.status_code == 200:
+        news_data = response.json()
+        return news_data['items']  # 뉴스 기사 리스트 반환
+    else:
+        st.error("뉴스 데이터를 불러오는 데 실패했습니다.")
+        return []
+
+# 정치 성향 분석 모델 로드
 def load_sentiment_model():
-    return pipeline("text-classification", model="bucketresearch/politicalBiasBERT")
+    classifier = pipeline("text-classification", model="bucketresearch/politicalBiasBERT")
+    return classifier
 
-# Step 3: GPT-4를 사용해 대조 관점 기사 생성
+# GPT-4를 이용해 반대 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,
+        response = openai.Completion.create(
+            engine="text-davinci-004",  # GPT-4 엔진
+            prompt=prompt,
+            max_tokens=300,
+            temperature=0.7
         )
-        return response['choices'][0]['message']['content']
+        return response.choices[0].text.strip()
     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
-
+        st.error(f"Error generating text: {e}")
+        return "GPT-4 텍스트 생성 실패"
+
+# 기사 성향 분석
+def analyze_article_sentiment(text, classifier):
+    result = classifier(text[:512])  # 너무 긴 텍스트는 잘라서 분석
+    label = result[0]["label"]
+    score = result[0]["score"]
+    return label, score
+
+# 정치적 관점 비교 및 반대 관점 생성
+def analyze_news_political_viewpoint(query):
+    # 뉴스 데이터 가져오기
+    news_items = fetch_naver_news(query)
+    if not news_items:
+        return [], {}
+
+    classifier = load_sentiment_model()
     results = []
-    sentiment_counts = {"진보": 0, "보수": 0}
+    sentiment_counts = {"진보": 0, "보수": 0, "중립": 0}
 
-    for item in news_data:
+    for item in news_items:
         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
+        # 기사 성향 분석
+        sentiment, score = analyze_article_sentiment(combined_text, classifier)
+        sentiment_counts[sentiment] += 1
 
-        generated_article = generate_article_gpt4(prompt)
-        sentiment_counts[sentiment_label] += 1
+        # 반대 관점 기사 생성
+        opposite_perspective = "보수적" if sentiment == "진보" else "진보적"
+        prompt = f"{combined_text}를 기반으로 {opposite_perspective} 관점의 기사를 작성해주세요."
+        opposite_article = generate_article_gpt4(prompt)
 
-        # 결과 저장
         results.append({
             "제목": title,
             "원본 기사": description,
-            "성향": sentiment_label,
-            "성향 점수": sentiment_score,
-            "대조 관점 기사": generated_article,
+            "성향": sentiment,
+            "성향 점수": score,
+            "대조 관점 기사": opposite_article
         })
 
-    return "뉴스 분석이 완료되었습니다.", results, sentiment_counts
+    return results, sentiment_counts
 
-# Step 5: 시각화 함수
+# 성향 분포 시각화
 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")
+    labels = list(sentiment_counts.keys())
+    sizes = list(sentiment_counts.values())
+    ax.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, colors=["blue", "red", "gray"])
+    ax.axis("equal")
     st.pyplot(fig)
 
-# Step 6: Streamlit UI
+# Streamlit 애플리케이션
 st.title("정치적 관점 비교 분석 도구")
-st.markdown("### 뉴스 기사의 정치 성향 분석과 반대 관점 기사 생성")
+st.markdown("뉴스 기사의 정치 성향 분석과 반대 관점 기사를 생성하여 비교합니다.")
 
 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)
+    with st.spinner("분석 중..."):
+        analysis_results, sentiment_counts = analyze_news_political_viewpoint(query)
 
-        # 결과 출력
-        st.subheader(status_message)
         if analysis_results:
-            st.write("### 성향 분포 시각화")
+            st.success("뉴스 분석이 완료되었습니다.")
+            
+            # 성향 분포 시각화
+            st.subheader("성향 분포 시각화")
             visualize_sentiment_distribution(sentiment_counts)
-
-            st.write("### 분석 결과")
+            
+            # 상세 분석 결과 출력
+            st.subheader("상세 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("---")
+        else:
+            st.error("분석된 뉴스 데이터가 없습니다.")