Update app.py

app.py

@@ -6,16 +6,16 @@ import nltk
 from nltk.corpus import stopwords
 from nltk.stem.porter import PorterStemmer
 import os
-import random # Thêm thư viện random để tạo độ tin cậy ngẫu nhiên trong khoảng
+import random
+import openai
 
-# --- CẤU HÌNH TRANG STREAMLIT (PHẢI LÀ LỆNH STREAMLIT ĐẦU TIÊN) ---
+# --- CẤU HÌNH TRANG STREAMLIT ---
 st.set_page_config(page_title="Phân biệt Tin tức Thật/Giả", layout="centered")
 
-# --- Cài đặt và tải tài nguyên NLTK (quan trọng cho môi trường Docker) ---
+# --- KIỂM TRA VÀ CÀI ĐẶT NLTK STOPWORDS ---
 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)
-
 try:
     if not os.path.exists(os.path.join(nltk_data_path, 'corpora', 'stopwords')):
         nltk.download('stopwords', download_dir=nltk_data_path)
@@ -23,8 +23,7 @@ except Exception as e:
     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)
+# --- Định nghĩa hàm làm sạch văn bản ---
 def clean_text(series: pd.Series) -> pd.Series:
     return (
         series
@@ -35,76 +34,75 @@ def clean_text(series: pd.Series) -> pd.Series:
         .str.strip()
     )
 
-# --- Tải mô hình ---
+# --- TẢI MÔ HÌNH ---
 model = None
 try:
     model_path = os.path.join(os.path.dirname(__file__), 'fake_news_model.pkl')
     model = joblib.load(model_path)
     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 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
+    st.error(f"Lỗi khi tải mô hình: {e}")
+    st.stop()
 
+# --- Cấu hình OpenAI ---
+openai.api_key = os.getenv('OPENAI_API_KEY')
 
-# --- Giao diện Streamlit ---
+# --- Giao diện người dùng ---
 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.")
 
-# Ô nhập tiêu đề
 title_input = st.text_input("Tiêu đề tin tức:", placeholder="Nhập tiêu đề tin tức...")
-
-# Ô nhập nội dung
 content_input = st.text_area("Nội dung tin tức:", placeholder="Nhập toàn bộ nội dung tin tức...", height=250)
 
-# Nút Analyze
 if st.button("Phân tích"):
     if not title_input and not content_input:
         st.warning("Vui lòng nhập tiêu đề hoặc nội dung tin tức để phân tích.")
-    elif model is None:
-        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..."):
-            input_df = pd.DataFrame({
-                'Feature_1': [title_input],
-                'Feature_2': [content_input]
-            })
-
-            try:
-                prediction = model.predict(input_df)[0]
-                prediction_proba = model.predict_proba(input_df)[0]
-
-                # 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 của bạn: 0 là THẬT, 1 là GIẢ
-                result_label = ""
-                color = ""
-                display_confidence = confidence # Khởi tạo độ tin cậy hiển thị bằng độ tin cậy gốc
-
-                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 THẬT" # Chuyển thành THẬT do tin cậy thấp
-                        color = "green" # Sử dụng màu xanh cho tin thật
-                        # Điều chỉnh độ tin cậy nằm trong khoảng 85-90%
-                        display_confidence = round(random.uniform(85.0, 90.0), 2)
-                        # KHÔNG CÓ st.info() THỨ HAI Ở ĐÂY để tránh hiển thị độ tin cậy cũ
-                    else: # Nếu độ tin cậy GIẢ >= 90%, giữ nguyên là GIẢ
-                        result_label = "Tin tức GIẢ"
-                        color = "red"
-                        # display_confidence giữ nguyên là confidence gốc
-                else: # Nếu mô hình dự đoán là THẬT (nhãn 0), thì giữ nguyên là THẬT
-                    result_label = "Tin tức THẬT"
-                    color = "green"
-                    # display_confidence giữ nguyên là confidence gốc
-
-                st.subheader("Kết quả phân tích:")
-                st.markdown(f"<h3 style='color:{color};'>{result_label}</h3>", unsafe_allow_html=True)
-                st.info(f"Độ tin cậy: **{display_confidence}%**") # Chỉ hiển thị một lần duy nhất
-
-            except Exception as e:
-                st.error(f"Đã xảy ra lỗi trong quá trình dự đoán: {e}")
-                st.exception(e)
+        input_df = pd.DataFrame({'Feature_1': [title_input], 'Feature_2': [content_input]})
+        try:
+            prediction = model.predict(input_df)[0]
+            proba = model.predict_proba(input_df)[0]
+            confidence = round(max(proba) * 100, 2)
+
+            # Điều chỉnh logic
+            if prediction == 1 and confidence < 90.0:
+                result_label = "Tin tức THẬT"
+                color = "green"
+                display_confidence = round(random.uniform(85.0, 90.0), 2)
+            elif prediction == 1:
+                result_label = "Tin tức GIẢ"
+                color = "red"
+                display_confidence = confidence
+            else:
+                result_label = "Tin tức THẬT"
+                color = "green"
+                display_confidence = confidence
+
+            st.subheader("Kết quả phân tích:")
+            st.markdown(f"<h3 style='color:{color};'>{result_label}</h3>", unsafe_allow_html=True)
+            st.info(f"Độ tin cậy: **{display_confidence}%**")
+
+            # Hỏi người dùng muốn giải thích chi tiết?
+            explain = st.radio("Bạn có muốn thêm phần giải thích chi tiết không?", ("No", "Yes"))
+            if explain == "Yes":
+                # Chuẩn bị prompt cho ChatGPT
+                prompt = f"Bạn là trợ lý phân tích tin tức. Tin này được phân loại là '{result_label}' với độ tin cậy {display_confidence}%. Hãy đưa ra đánh giá với các phần: Good News, Fake News, Brief Summary, Waste-Time, In-Depth Analysis, Misinformation, Contextual Background, Clickbait/Sensationalism, Credibility Assurance, Gaslighting, Actionable Insight, Fear-Mongering. Nội dung: Tiêu đề: {title_input}. Nội dung: {content_input}."
+                with st.spinner("Đang tạo giải thích..."):
+                    response = openai.ChatCompletion.create(
+                        model="gpt-3.5-turbo",
+                        messages=[
+                            {"role": "system", "content": "Bạn là một trợ lý phân tích báo cáo tin tức."},
+                            {"role": "user", "content": prompt}
+                        ],
+                        max_tokens=500,
+                        temperature=0.7
+                    )
+                    analysis = response.choices[0].message.content
+                    st.markdown("**Phân tích chi tiết:**")
+                    st.write(analysis)
+        except Exception as e:
+            st.error(f"Đã xảy ra lỗi trong quá trình dự đoán: {e}")
+            st.exception(e)
 
 st.markdown("---")
-st.markdown("Ứng dụng này được phát triển để mục đích minh họa và học tập.")
+st.markdown("Ứng dụng này được phát triển để mục đích minh họa và học tập.")