Update app.py

app.py

@@ -14,30 +14,30 @@ tokenizer, model = get_model()
 
 # Define the "How to Use" message
 how_to_use = """
-**How to Use**
-1. Enter text in the text area
-2. Click the 'Analyze' button to get the predicted sentiment of the input text
+**사용하는 방법**
+1. 텍스트 영역에 텍스트를 입력하세요.
+2. 한국어 입력 텍스트의 예측 감정을 얻으려면 '분석' 버튼을 클릭하세요.
 """
 
 # Functions
 def main():
-    st.title("KakaoTalk App Review Sentiment Analysis using BERT")
-    st.subheader("Dilshod's Portfolio Project")
+    st.title("BERT를 활용한 카카오톡 앱 리뷰 감성 분석")
+    st.subheader("Dilshod의 포트폴리오 프로젝트")
 
     # Add the cover image
     st.image("img/kakaotalk.png")
 
-    menu = ["Home", "About"]
+    menu = ["홈", "소개"]
     choice = st.sidebar.selectbox("Menu", menu)
 
     # Add the "How to Use" message to the sidebar
     st.sidebar.markdown(how_to_use)
 
-    if choice == "Home":
-        st.subheader("Home")
+    if choice == "홈":
+        st.subheader("홈")
 
         with st.form(key="nlpForm"):
-            raw_text = st.text_area("Enter Text Here")
+            raw_text = st.text_area("여기에 텍스트를 입력하세요!")
             submit_button = st.form_submit_button(label="Analyze")
 
         # Layout
@@ -46,7 +46,7 @@ def main():
             # Display balloons
             st.balloons()
             with col1:
-                st.info("Results")
+                st.info("결과")
                 # Tokenize the input text
                 inputs = tokenizer([raw_text], padding=True, truncation=True, max_length=512, return_tensors='pt')
 
@@ -58,32 +58,32 @@ def main():
                 scores = outputs.logits.softmax(dim=1).detach().numpy()[0]
 
                 # Mapping of prediction to sentiment labels
-                sentiment_dict = {0: 'Negative', 1: 'Positive'}
+                sentiment_dict = {0: '부정적인', 1: '긍정적인'}
                 sentiment_label = sentiment_dict[predicted_class]
                 confidence_level = scores[predicted_class]
 
                 # Display sentiment
-                st.write(f"Sentiment: {sentiment_label}, Confidence Level: {confidence_level:.2f}")
+                st.write(f"감정: {sentiment_label}, 신뢰 점수: {confidence_level:.2f}")
 
                 # Emoji and sentiment image
                 if predicted_class == 1:
-                    st.markdown("Sentiment: Positive :smiley:")
+                    st.markdown("감정 클래스: 긍정적인 :smiley:")
                     st.image("img/positive_emoji.jpg")
                 else:
-                    st.markdown("Sentiment: Negative :angry:")
+                    st.markdown("감정 클래스: 부정적인 :angry:")
                     st.image("img/negative_emoji.jpg")
 
             # Create the results DataFrame
             results_df = pd.DataFrame({
-                'Sentiment Class': ['Negative', 'Positive'],
+                '감정 클래스': ['부정적인', '긍정적인'],
                 'Score': scores
             })
 
             # Create the Altair chart
             chart = alt.Chart(results_df).mark_bar(width=50).encode(
-                x="Sentiment Class",
-                y="Score",
-                color="Sentiment Class"
+                x="감정 클래스",
+                y="신뢰 점수",
+                color="감정 클래스"
             )
 
             # Display the chart
@@ -92,8 +92,8 @@ def main():
                 st.write(results_df)
 
     else:
-        st.subheader("About")
-        st.write("This is a sentiment analysis NLP app developed by Dilshod for analyzing reviews for KakakTalk mobile app on Google Play Store. It uses a fine-tuned model to predict the sentiment of the input text. The app is part of a portfolio project to showcase my nlp skills and collaboration among developers.")
+        st.subheader("소개")
+        st.write("이것은 구글 플레이 스토어에서 가톡 모바일 앱 리뷰를 분석하기 위해 Dilshod가 개발한 감성 분석 NLP 앱입니다. 입력된 텍스트의 감정을 예측하기 위해 정밀하게 조정된 모델을 사용합니다. 이 앱은 저의 NLP 기술과 개발자 간의 협업을 보여주는 포트폴리오 프로젝트의 일부입니다.")
 
 if __name__ == "__main__":
     main()