Update app.py

app.py

@@ -6,7 +6,7 @@ import openai
 import pandas as pd
 
 # OpenAI API 키 설정
-openai.api_key = "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"
+openai.api_key = "your_openai_api_key"
 
 # 네이버 뉴스 API를 통해 실제 뉴스 기사 가져오기
 def fetch_naver_news(query, display=5):
@@ -30,10 +30,11 @@ def fetch_naver_news(query, display=5):
         news_data = response.json()
         return news_data['items']  # 뉴스 기사 리스트 반환
     else:
-        st.error("뉴스 데이터를 불러오는 데 실패했습니다.")
+        st.error(f"뉴스 데이터를 불러오는 데 실패했습니다. (코드: {response.status_code})")
         return []
 
 # 정치 성향 분석 모델 로드
+@st.cache_resource
 def load_sentiment_model():
     classifier = pipeline("text-classification", model="bucketresearch/politicalBiasBERT")
     return classifier
@@ -42,7 +43,7 @@ def load_sentiment_model():
 def generate_article_gpt4(prompt):
     try:
         response = openai.ChatCompletion.create(
-            model="gpt-4",  # GPT-4 모델 사용
+            model="gpt-4",
             messages=[
                 {"role": "system", "content": "You are a helpful assistant that generates articles."},
                 {"role": "user", "content": prompt}
@@ -50,7 +51,6 @@ def generate_article_gpt4(prompt):
             max_tokens=512,
             temperature=0.7
         )
-        # 응답에서 텍스트만 추출
         return response['choices'][0]['message']['content']
     except Exception as e:
         return f"Error generating text: {e}"
@@ -78,7 +78,7 @@ def analyze_news_political_viewpoint(query):
 
     classifier = load_sentiment_model()
     results = []
-    sentiment_counts = {"진보": 0, "보수": 0, "중립": 0}  # 매핑된 라벨에 맞게 초기화
+    sentiment_counts = {"진보": 0, "보수": 0, "중립": 0}
 
     for item in news_items:
         title = item["title"]
@@ -87,7 +87,7 @@ def analyze_news_political_viewpoint(query):
 
         # 기사 성향 분석
         sentiment, score = analyze_article_sentiment(combined_text, classifier)
-        sentiment_counts[sentiment] += 1  # 매핑된 키로 카운트 증가
+        sentiment_counts[sentiment] += 1
 
         # 반대 관점 기사 생성
         opposite_perspective = "보수적" if sentiment == "진보" else "진보적"
@@ -104,7 +104,6 @@ def analyze_news_political_viewpoint(query):
 
     return results, sentiment_counts
 
-
 # 성향 분포 시각화
 def visualize_sentiment_distribution(sentiment_counts):
     fig, ax = plt.subplots()