Update app.py

app.py

@@ -57,11 +57,16 @@ def train_model():
 "그녀는 친구들과 수다 떠는 것을 좋아한다.",여자
 "강력한 리더십으로 팀을 이끄는 모습이 인상적이었다.",남자
 "자신이 직접 만든 쿠키를 주변에 나누어주곤 한다.",여자
-"정민지",천사
+"그들은 책 읽기를 좋아하고 조용한 성격이다.",중성
+"키가 크고 체격이 좋으며 운동을 즐긴다.",중성
+"요리와 청소를 모두 잘하며 집안일을 도맡아 한다.",중성
+"컴퓨터 프로그래밍과 뜨개질을 모두 취미로 한다.",중성
+"차분한 성격으로 상담을 잘해주는 편이다.",중성
+"독서와 영화감상을 즐기는 문화 애호가이다.",중성
 """
     
     data = pd.read_csv(io.StringIO(csv_data))
-    # 3개 클래스로 라벨 변경: 남자=0, 여자=1, 천사=2
+    # 3개 클래스로 라벨 변경: 남자=0, 여자=1, 중성=2
     data['label'] = data['gender'].apply(lambda x: 0 if x == '남자' else (1 if x == '여자' else 2))
     train_data, _ = train_test_split(data, test_size=0.2, random_state=42)
     
@@ -118,8 +123,8 @@ def predict_gender(text):
         prediction = torch.argmax(outputs.logits, dim=1).flatten().item()
         confidence = probabilities[0][prediction].item()
 
-    # 3개 클래스 매핑: 0=남자, 1=여자, 2=천사
-    gender_map = {0: "남자", 1: "여자", 2: "천사"}
+    # 3개 클래스 매핑: 0=남자, 1=여자, 2=중성
+    gender_map = {0: "남자", 1: "여자", 2: "중성"}
     gender = gender_map[prediction]
     
     return f"예측 성별: {gender} (신뢰도: {confidence:.2%})"
@@ -138,12 +143,7 @@ iface = gr.Interface(
     ),
     outputs=gr.Textbox(label="예측 결과"),
     title="🤖 AI 성별 예측기 (3분류)",
-    description="입력된 텍스트를 바탕으로 성별을 예측합니다. (남자/여자/천사)",
-    
-    # HTML head에 메타 태그 추가
-    css="""
-    <meta name="google-site-verification" content="9owJnk1eK0CZKk6u6slBQwC6ts3e1GUAm_ohwPtE2BI" />
-    """,
+    description="입력된 텍스트를 바탕으로 성별을 예측합니다. (남자/여자/중성)",
     examples=[
         ["그는 축구를 정말 좋아하고, 근육질의 몸매를 가졌다."],
         ["그녀는 긴 머리를 가졌고, 분홍색 원피스를 입었다."],
@@ -152,7 +152,11 @@ iface = gr.Interface(
         ["그들은 책 읽기를 좋아하고 조용한 성격이다."],
         ["요리와 청소를 모두 잘하며 집안일을 도맡아 한다."]
     ],
-    theme=gr.themes.Soft()
+    theme=gr.themes.Soft(),
+    # Google 인증을 위한 커스텀 HTML 헤드 추가
+    head="""
+    <meta name="google-site-verification" content="9owJnk1eK0CZKk6u6slBQwC6ts3e1GUAm_ohwPtE2BI" />
+    """
 )
 
 # 앱 실행