Update app.py

app.py

@@ -1,83 +1,97 @@
 import streamlit as st
 import joblib
 import pandas as pd
+import re
 import nltk
+from nltk.corpus import stopwords
 import os
-import re
+import random
 import google.generativeai as genai
 
-# --- CẤU HÌNH ---
-st.set_page_config(page_title="Phân biệt Tin tức Thật/Giả", layout="centered")
+# Cấu hình Generative AI
+GENAI_API_KEY = "AIzaSyDmXGLBoweYkqyXMDtWwSWOKZCo6Exd4Dk"
+genai.configure(api_key=GENAI_API_KEY)
 
-# --- TẢI STOPWORDS ---
+# Cấu hình Streamlit
+st.set_page_config(page_title="Fake News Detector", layout="centered")
+
+# Tải dữ liệu NLTK
 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)
 except Exception as e:
-    st.error(f"Lỗi tải NLTK stopwords: {e}")
+    st.error(f"NLTK error: {e}")
     st.stop()
 
-# --- TIỀN XỬ LÝ ---
-def clean_text(text):
-    text = re.sub(r'<[^>]+>', ' ', text)
-    text = re.sub(r'http\S+|\S+@\S+', ' ', text)
-    text = re.sub(r'[^A-Za-z0-9\s]', ' ', text)
-    return text.lower().strip()
+# Hàm xử lý văn bản
+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()
+    )
+
+# Hàm phân tích với Gemini
+def explain_with_gemini(title, content, label):
+    try:
+        model = genai.GenerativeModel("gemini-pro")
+        chat = model.start_chat(history=[])
+        prompt = f"""
+You are a news analysis expert.
+Explain in detail why the following news article is classified as \"{label}\".
+
+Title: {title}
+Content: {content}
+"""
+        response = chat.send_message(prompt)
+        return response.text
+    except Exception as e:
+        return f"Could not generate explanation: {e}"
 
-# --- TẢI MÔ HÌNH ---
+# Tải mô hình
+model = None
 try:
-    model = joblib.load("fake_news_model.pkl")
+    model_path = os.path.join(os.path.dirname(__file__), 'fake_news_model.pkl')
+    model = joblib.load(model_path)
+    st.success("Model loaded successfully.")
 except Exception as e:
-    st.error(f"Lỗi tải mô hình: {e}")
+    st.error(f"Model loading error: {e}")
     st.stop()
 
-# --- CẤU HÌNH GEMINI ---
-genai.configure(api_key="AIzaSyDuX32-Rd6G23d8hUIg-lxFCYCOtfiNYVE")
-g_model = genai.GenerativeModel("gemini-pro")
+# Giao diện người dùng
+st.title("📰 Fake News Detector")
+title_input = st.text_input("News Title")
+content_input = st.text_area("News Content", height=250)
 
-# --- GIAO DIỆN ---
-st.title("📰 Phân biệt Tin tức Thật/Giả")
-st.markdown("Nhập tiêu đề và nội dung để phân tích xem tin tức là thật hay giả.")
-
-title_input = st.text_input("Tiêu đề:")
-content_input = st.text_area("Nội dung:", height=200)
-
-if st.button("Phân tích"):
+if st.button("Analyze"):
     if not title_input and not content_input:
-        st.warning("Vui lòng nhập tiêu đề hoặc nội dung.")
+        st.warning("Please input a title or content.")
     else:
-        with st.spinner("Đang phân tích..."):
+        with st.spinner("Analyzing..."):
+            input_df = pd.DataFrame({'Feature_1': [title_input], 'Feature_2': [content_input]})
             try:
-                # Làm sạch văn bản
-                clean_title = clean_text(str(title_input))
-                clean_content = clean_text(str(content_input))
-
-                df = pd.DataFrame({
-                    "Feature_1": [clean_title],
-                    "Feature_2": [clean_content]
-                })
-
-                prediction = model.predict(df)[0]
-                label = "Tin tức THẬT" if prediction == 0 else "Tin tức GIẢ"
-                color = "green" if prediction == 0 else "red"
+                prediction = model.predict(input_df)[0]
+                prediction_proba = model.predict_proba(input_df)[0]
+                confidence = round(max(prediction_proba) * 100, 2)
+                label = "REAL" if prediction == 0 else "FAKE"
+                color = "green" if label == "REAL" else "red"
+                st.subheader("Result:")
+                st.markdown(f"<h3 style='color:{color};'>{label}</h3>", unsafe_allow_html=True)
+                st.info(f"Confidence: {confidence}%")
 
-                st.markdown(f"<h3 style='color:{color}'>{label}</h3>", unsafe_allow_html=True)
+                explanation = explain_with_gemini(title_input, content_input, label)
+                st.markdown("---")
+                st.markdown("🧠 **Explanation:**")
+                st.markdown(explanation)
 
-                # --- PHÂN TÍCH BẰNG GEMINI ---
-                try:
-                    prompt = f"""You are a fake news detection expert. Explain clearly and logically why this article is classified as '{label}'.
-
-Title: {title_input}
-Content: {content_input}
-"""
-                    response = g_model.generate_content(prompt)
-                    st.markdown("🧠 **Phân tích chi tiết:**")
-                    st.markdown(response.text)
-                except Exception as e:
-                    st.warning(f"Không thể tạo giải thích từ Gemini: {e}")
             except Exception as e:
-                st.error(f"Lỗi khi dự đoán: {e}")
+                st.error(f"Prediction error: {e}")
+
+st.markdown("---")
+st.markdown("This app is for educational purposes only.")