Update app.py

app.py

@@ -22,7 +22,9 @@ def fetch_naver_news(query, display=10, start=1, sort="date"):
 
     response = requests.get(url, headers=headers, params=params)
     if response.status_code == 200:
-        return response.json()
+        news_data = response.json()
+        st.write("News Data:", news_data)  # 응답 내용 확인
+        return news_data
     else:
         raise Exception(f"Error: {response.status_code}, {response.text}")
 
@@ -31,9 +33,10 @@ 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
+# Step 3: Hugging Face 감성 분석 모델 로드
 def load_huggingface_model():
     classifier = pipeline("text-classification", model="bucketresearch/politicalBiasBERT")
+    st.write("모델 로드 완료")
     return classifier
 
 # Step 4: 정치 성향 분류 함수
@@ -45,7 +48,7 @@ def classify_political_sentiment(text, classifier):
     score = sentiment["score"]
 
     # 점수화
-    sentiment_score = score if label == "LABEL_1" else -score
+    sentiment_score = score if label == "POSITIVE" else -score
 
     # 키워드 기반 분류 (진보/보수)
     progressive_keywords = ["복지", "평등", "민주", "환경", "사회적 책임"]
@@ -70,9 +73,11 @@ def analyze_news_political_orientation(news_items, classifier, translator):
 
         # 번역: 한국어 -> 영어
         translated_text = translator(combined_text)[0]['translation_text']
+        st.write("Translated Text:", translated_text)  # 번역된 텍스트 확인
 
         # 정치 성향 분류
         orientation, score = classify_political_sentiment(translated_text, classifier)
+        st.write(f"Orientation: {orientation}, Score: {score}")  # 성향 및 점수 확인
         results[orientation] += 1
         detailed_results.append({
             "제목": title,