Update app.py

app.py

@@ -2,7 +2,6 @@ import streamlit as st
 import requests
 from transformers import pipeline
 import pandas as pd
-import matplotlib.pyplot as plt
 
 # Step 1: 네이버 뉴스 API 호출 함수
 def fetch_naver_news(query, display=10, start=1, sort="date"):
@@ -29,21 +28,26 @@ def fetch_naver_news(query, display=10, start=1, sort="date"):
         st.error(f"Error: {response.status_code}, {response.text}")
         return None
 
-# Step 2: Hugging Face 정치 성향 분석 모델 로드
-def load_huggingface_model():
-    classifier = pipeline("text-classification", model="bucketresearch/politicalBiasBERT")
-    return classifier
+# Step 2: GPT 모델 로드 (진보적, 보수적 기사 생성)
+def load_gpt_model():
+    # GPT 모델 로드 (이 모델은 텍스트 생성에 사용됩니다)
+    gpt_model = pipeline("text-generation", model="gpt2")  # Hugging Face에서 사용할 수 있는 GPT 모델
+    return gpt_model
 
-# Step 3: 기사 생성 모델 (진보적/보수적 기사를 생성하는 모델)
+# Step 3: 기사를 진보적 및 보수적 관점에서 생성하는 함수
 def generate_article_by_perspective(text, perspective="진보"):
-    # 진보적, 보수적 기사를 생성하는 템플릿
+    # 진보적 관점 생성
     if perspective == "진보":
-        # 진보적 관점으로 기사 재구성
-        return f"진보적 관점에서 다룬 기사: {text} ... (진보적 시각으로 변경됨)"
+        prompt = f"진보적 관점에서 다음 기사를 작성해 주세요: {text}. 환경과 사회적 책임을 강조하며..."
+    # 보수적 관점 생성
     elif perspective == "보수":
-        # 보수적 관점으로 기사 재구성
-        return f"보수적 관점에서 다룬 기사: {text} ... (보수적 시각으로 변경됨)"
-    return text
+        prompt = f"보수적 관점에서 다음 기사를 작성해 주세요: {text}. 경제 성장과 국가 안보를 강조하며..."
+    else:
+        prompt = text
+    
+    # GPT 모델을 사용하여 텍스트 생성
+    generated_article = gpt_model(prompt, max_length=512, num_return_sequences=1)[0]['generated_text']
+    return generated_article
 
 # Step 4: 정치 성향 분류 함수
 def classify_political_sentiment(text, classifier):
@@ -65,7 +69,7 @@ def classify_political_sentiment(text, classifier):
         return "중립", sentiment_score
 
 # Step 5: 뉴스 분석 및 결과 출력
-def analyze_news_political_orientation(news_items, classifier):
+def analyze_news_political_orientation(news_items, classifier, gpt_model):
     results = {"진보": 0, "보수": 0, "중립": 0}
     detailed_results = []
 
@@ -77,18 +81,24 @@ def analyze_news_political_orientation(news_items, classifier):
         # 정치 성향 분류
         orientation, score = classify_political_sentiment(combined_text, classifier)
         results[orientation] += 1
+        
+        # 진보적/보수적 기사 생성
+        progressive_article = generate_article_by_perspective(combined_text, "진보")
+        conservative_article = generate_article_by_perspective(combined_text, "보수")
+        
         detailed_results.append({
             "제목": title,
             "요약": description,
             "성향": orientation,
             "점수": score,
             "링크": item["link"],
-            "진보적 기사": generate_article_by_perspective(combined_text, "진보"),
-            "보수적 기사": generate_article_by_perspective(combined_text, "보수"),
+            "진보적 기사": progressive_article,
+            "보수적 기사": conservative_article
         })
 
     return results, detailed_results
 
+
 # Step 6: Streamlit 앱 시작
 st.title("정치 성향 분석 대시보드")
 st.markdown("### 네이버 뉴스 데이터를 실시간으로 수집하고 정치 성향을 분석합니다.")
@@ -109,9 +119,10 @@ if st.button("분석 시작"):
 
                 # Hugging Face 모델 로드
                 classifier = load_huggingface_model()
+                gpt_model = load_gpt_model()
 
                 # 뉴스 데이터 분석
-                results, detailed_results = analyze_news_political_orientation(news_items, classifier)
+                results, detailed_results = analyze_news_political_orientation(news_items, classifier, gpt_model)
 
                 # 분석 결과 시각화
                 st.subheader("분석 결과 요약")