Update app.py

app.py

@@ -26,28 +26,39 @@ def fetch_naver_news(query, display=10, start=1, sort="date"):
     else:
         raise Exception(f"Error: {response.status_code}, {response.text}")
 
-# Step 2: Hugging Face 정치 성향 분석 모델 로드 (bucketresearch/politicalBiasBERT)
-def load_political_bias_model():
+# Step 2: Hugging Face 번역 모델 로드 (한국어 -> 영어)
+def load_translation_model():
+    translator = pipeline("translation", model="Helsinki-NLP/opus-mt-ko-en")
+    return translator
+
+# Step 3: 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
+# Step 4: 정치 성향 분류 함수
 def classify_political_sentiment(text, classifier):
+    # 감성 분석 실행
     result = classifier(text[:512])  # 입력이 너무 길면 잘라서 분석
-    label = result[0]['label']
-    score = result[0]['score']
-
-    # 'LABEL_0' -> 'left', 'LABEL_1' -> 'center', 'LABEL_2' -> 'right'
-    if label == "LABEL_0":
-        orientation = "진보"
-    elif label == "LABEL_1":
-        orientation = "중립"
-    else:
-        orientation = "보수"
+    sentiment = result[0]
+    label = sentiment["label"]
+    score = sentiment["score"]
+
+    # 점수화
+    sentiment_score = score if label == "LABEL_1" else -score
 
-    return orientation, 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
+# Step 5: 뉴스 분석 및 결과 출력
 def analyze_news_political_orientation(news_items, classifier, translator):
     results = {"진보": 0, "보수": 0, "중립": 0}
     detailed_results = []
@@ -59,7 +70,6 @@ def analyze_news_political_orientation(news_items, classifier, translator):
 
         # 번역: 한국어 -> 영어
         translated_text = translator(combined_text)[0]['translation_text']
-        st.write(f"번역된 텍스트: {translated_text}")  # 번역 결과 확인
 
         # 정치 성향 분류
         orientation, score = classify_political_sentiment(translated_text, classifier)
@@ -88,7 +98,7 @@ if st.button("분석 시작"):
             news_items = news_data["items"]
 
             # Hugging Face 모델 로드
-            classifier = load_political_bias_model()
+            classifier = load_huggingface_model()
             translator = load_translation_model()
 
             # 뉴스 데이터 분석