Update app.py

app.py

@@ -23,7 +23,6 @@ def fetch_naver_news(query, display=10, start=1, sort="date"):
     response = requests.get(url, headers=headers, params=params)
     if response.status_code == 200:
         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}")
@@ -36,7 +35,6 @@ def load_translation_model():
 # Step 3: Hugging Face 정치 성향 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
@@ -73,17 +71,16 @@ 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,
             "요약": description,
             "성향": orientation,
             "점수": score,
+            "링크": item["link"]
         })
 
     return results, detailed_results
@@ -127,7 +124,7 @@ if st.button("분석 시작"):
             # 링크 포함한 뉴스 출력
             st.subheader("뉴스 링크")
             for index, row in df.iterrows():
-                st.write(f"- [{row['제목']}] (성향: {row['성향']}, 점수: {row['점수']:.2f})")
+                st.write(f"- [{row['제목']}]({row['링크']}) (성향: {row['성향']}, 점수: {row['점수']:.2f})")
 
         except Exception as e:
             st.error(f"오류 발생: {e}")