Update app.py

app.py

@@ -3,38 +3,14 @@ import joblib
 import pandas as pd
 import re
 import nltk
+from nltk.corpus import stopwords # Giữ lại import này theo code của bạn
+from nltk.stem.porter import PorterStemmer # Giữ lại import này theo code của bạn
 import os
-from sklearn.base import BaseEstimator, TransformerMixin # Cần import này cho TextCleaner
 
 # --- CẤU HÌNH TRANG STREAMLIT (PHẢI LÀ LỆNH STREAMLIT ĐẦU TIÊN) ---
 st.set_page_config(page_title="Phân biệt Tin tức Thật/Giả", layout="centered")
 
-# --- Định nghĩa lớp Custom Transformer cho việc làm sạch văn bản ---
-# Lớp này PHẢI CHÍNH XÁC giống hệt như lớp bạn đã dùng khi huấn luyện mô hình
-# và lưu file fake_news_model.pkl.
-class TextCleaner(BaseEstimator, TransformerMixin):
-    def fit(self, X, y=None):
-        return self
-
-    def transform(self, X: pd.Series, y=None):
-        # Đảm bảo đầu vào là Series để sử dụng các phương thức .str
-        if not isinstance(X, pd.Series):
-            X = pd.Series(X)
-
-        return (
-            X
-            .str.replace(r'<[^>]+>', ' ', regex=True)
-            .str.replace(r'http\S+|\S+@\S+', ' ', regex=True)
-            .str.replace(r'[^A-Za-z0-9\s]', ' ', regex=True)
-            .str.lower()
-            .str.strip()
-        )
-
 # --- Cài đặt và tải tài nguyên NLTK (quan trọng cho môi trường Docker) ---
-# Đoạn code này đảm bảo NLTK data được tải và có sẵn trong môi trường của Space.
-# Nếu bạn đã cấu hình Dockerfile để tải NLTK stopwords trong quá trình build,
-# phần này có thể được lược bỏ để giảm thời gian khởi tạo ứng dụng,
-# nhưng giữ lại nếu bạn không chắc chắn Dockerfile đã lo việc tải.
 nltk_data_path = os.path.join(os.path.dirname(__file__), 'nltk_data')
 os.makedirs(os.path.join(nltk_data_path, 'corpora'), exist_ok=True)
 nltk.data.path.append(nltk_data_path)
@@ -43,25 +19,40 @@ try:
     if not os.path.exists(os.path.join(nltk_data_path, 'corpora', 'stopwords')):
         nltk.download('stopwords', download_dir=nltk_data_path)
 except Exception as e:
-    st.error(f"Lỗi khi tải NLTK stopwords: {e}. Vui lòng kiểm tra kết nối hoặc cấu hình Dockerfile.")
+    st.error(f"Lỗi khi tải NLTK stopwords: {e}")
     st.stop()
 
+# --- Định nghĩa hàm clean_text CHÍNH XÁC NHƯ TRONG CODE HUẤN LUYỆN ---
+# (Giữ nguyên hàm này theo code bạn cung cấp, mặc dù với mô hình mới nên là TextCleaner class)
+def clean_text(series: pd.Series) -> pd.Series:
+    return (
+        series
+        .str.replace(r'<[^>]+>', ' ', regex=True)
+        .str.replace(r'http\S+|\S+@\S+', ' ', regex=True)
+        .str.replace(r'[^A-Za-z0-9\s]', ' ', regex=True)
+        .str.lower()
+        .str.strip()
+    )
 
 # --- Tải mô hình ---
-# Phần này cố gắng tải mô hình. Nếu có lỗi, ứng dụng sẽ dừng và hiển thị thông báo.
 model = None
 try:
     model_path = os.path.join(os.path.dirname(__file__), 'fake_news_model.pkl')
-    # joblib.load() sẽ cần tìm thấy định nghĩa của lớp TextCleaner TRƯỚC khi tải model
     model = joblib.load(model_path)
-    st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
+    # Không dùng st.success/st.error ở đây nữa, vì chúng phải được gọi sau set_page_config
+    # st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
 except Exception as e:
-    st.error(f"Lỗi khi tải mô hình: {e}. Vui lòng đảm bảo lớp TextCleaner đã được định nghĩa chính xác và file mô hình nằm đúng vị trí.")
+    # Nếu lỗi clean_text vẫn xảy ra, hãy kiểm tra lại file .pkl và việc sử dụng TextCleaner class.
+    st.error(f"Lỗi khi tải mô hình: {e}. Vui lòng đảm bảo hàm clean_text đã được định nghĩa chính xác và file mô hình nằm đúng vị trí.")
     st.stop() # Dừng ứng dụng nếu mô hình không tải được
 
+# Chỉ hiển thị thông báo tải thành công nếu không có lỗi nào trước đó
+if model is not None:
+    st.success("Mô hình fake_news_model.pkl đã được tải thành công!")
+
 
 # --- Giao diện Streamlit ---
-# Các lệnh Streamlit khác sẽ bắt đầu từ đây trở đi để tránh lỗi set_page_config()
+# Các lệnh Streamlit khác sẽ bắt đầu từ đây trở đi
 st.title("📰 Phân biệt Tin tức Thật/Giả")
 st.markdown("Sử dụng mô hình AI để phân tích và xác định liệu một tin tức là thật hay giả.")
 
@@ -79,27 +70,24 @@ if st.button("Phân tích"):
         st.error("Mô hình chưa sẵn sàng để phân tích. Vui lòng kiểm tra lại lỗi tải mô hình.")
     else:
         with st.spinner("Đang phân tích tin tức..."):
-            # Chuẩn bị dữ liệu đầu vào dưới dạng DataFrame, giống như X_train khi huấn luyện
             input_df = pd.DataFrame({
                 'Feature_1': [title_input],
                 'Feature_2': [content_input]
             })
 
             try:
-                # Thực hiện dự đoán xác suất và nhãn
                 prediction = model.predict(input_df)[0]
                 prediction_proba = model.predict_proba(input_df)[0]
 
-                # Lấy xác suất cao nhất mà mô hình gán cho một trong các lớp
+                # Lấy xác suất cao nhất (độ tin cậy)
                 confidence = round(max(prediction_proba) * 100, 2)
 
                 # --- ĐIỀU CHỈNH LOGIC DỰ ĐOÁN DỰA TRÊN NGƯỠNG ĐỘ TIN CẬY ---
-                # Nhãn đã train: 0 là THẬT, 1 là GIẢ
+                # Nhãn đã train của bạn: 0 là THẬT, 1 là GIẢ
                 result_label = ""
                 color = ""
                 confidence_text = f"Độ tin cậy: **{confidence}%**"
 
-
                 if prediction == 1: # Nếu mô hình ban đầu dự đoán là GIẢ (nhãn 1)
                     if confidence < 90.0: # Và độ tin cậy của dự đoán GIẢ dưới 90%
                         result_label = "Tin tức CÓ THỂ LÀ THẬT" # Chuyển thành THẬT do tin cậy thấp
@@ -114,11 +102,11 @@ if st.button("Phân tích"):
 
                 st.subheader("Kết quả phân tích:")
                 st.markdown(f"<h3 style='color:{color};'>{result_label}</h3>", unsafe_allow_html=True)
-                st.info(confidence_text) # Hiển thị độ tin cậy và ghi chú bổ sung
+                st.info(confidence_text)
 
             except Exception as e:
                 st.error(f"Đã xảy ra lỗi trong quá trình dự đoán: {e}")
-                st.exception(e) # Hiển thị chi tiết lỗi để gỡ lỗi
+                st.exception(e)
 
 st.markdown("---")
 st.markdown("Ứng dụng này được phát triển để mục đích minh họa và học tập.")