app.py

import os
import pandas as pd
import gradio as gr
from datetime import datetime
import openai

# OpenAI API 클라이언트 설정
openai.api_key = os.getenv("OPENAI_API_KEY")

def call_api(content, system_message, max_tokens=1024, temperature=0.7, top_p=1):
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": system_message},
            {"role": "user", "content": content},
        ],
        max_tokens=max_tokens,
        temperature=temperature,
        top_p=top_p,
    )
    return response.choices[0].message['content']

# 엑셀 데이터 읽기 함수
def read_excel_data(file):
    df = pd.read_excel(file, usecols="A, B, C, D, E", skiprows=1,
                       names=["ID", "Review Date", "Option", "Review", "ReviewScore"], engine='openpyxl')
    df['Review Date'] = pd.to_datetime(df['Review Date']).dt.tz_localize(None).dt.date
    df['Year'] = df['Review Date'].astype(str).str.slice(0, 4)
    df['Option1'] = df['Option'].astype(str).str.split(" / ").str[0]  # 1차 옵션 추출
    df['Review Length'] = df['Review'].str.len()  # 리뷰 길이 계산
    return df

# 긍정적인 리뷰를 반환하는 함수
def get_positive_reviews(df):
    positive_reviews = df[df['ReviewScore'] >= 4].sort_values(by='Review Length', ascending=False).head(20)
    positive_reviews.reset_index(drop=True, inplace=True)
    positive_reviews.index += 1
    positive_reviews['순번'] = positive_reviews.index

    positive_output = "\n\n".join(positive_reviews.apply(
        lambda x: f"{x['순번']}. **{x['Review Date']} / {x['ID']} / {x['Option']}**\n\n{x['Review']}", axis=1))
    return positive_output

# 부정적인 리뷰를 반환하는 함수
def get_negative_reviews(df):
    negative_reviews = df[df['ReviewScore'] <= 2].sort_values(by='Review Length', ascending=False).head(30)
    negative_reviews.reset_index(drop=True, inplace=True)
    negative_reviews.index += 1
    negative_reviews['순번'] = negative_reviews.index

    negative_output = "\n\n".join(negative_reviews.apply(
        lambda x: f"{x['순번']}. **{x['Review Date']} / {x['ID']} / {x['Option']}**\n\n{x['Review']}", axis=1))
    return negative_output

# LLM 분석 함수
def analyze_reviews_with_llm(reviews, review_type):
    if not reviews:
        return "리뷰가 없습니다."

    system_message = f"당신은 감정 분석 전문가입니다. 다음은 {review_type} 리뷰입니다. 리뷰 전체를 분석한 결과를 요약해주세요."
    content = reviews

    analysis_result = call_api(content, system_message)
    return analysis_result

# 리뷰 데이터를 처리하여 긍정 및 부정 리뷰를 추출하고 분석하는 함수
def process_reviews(file):
    df = read_excel_data(file)
    positive_reviews = get_positive_reviews(df)
    negative_reviews = get_negative_reviews(df)

    positive_analysis = analyze_reviews_with_llm(positive_reviews, "긍정")
    negative_analysis = analyze_reviews_with_llm(negative_reviews, "부정")

    return positive_reviews, positive_analysis, negative_reviews, negative_analysis

# Gradio 인터페이스 구성
def create_interface():
    with gr.Blocks() as demo:
        gr.Markdown("### 리뷰 데이터 업로드 및 분석")
        file_input = gr.File(label="엑셀 파일 업로드", file_types=[".xlsx"])
        analyze_button = gr.Button("리뷰분석")

        with gr.Column():
            gr.Markdown("### 긍정적인 주요 리뷰 (최대 20개)")
            positive_reviews_output = gr.Textbox(label="긍정적인 주요 리뷰", interactive=False, lines=20)
            positive_analysis_output = gr.Textbox(label="긍정 리뷰 분석 결과", interactive=False, lines=10)

            gr.Markdown("### 부정적인 주요 리뷰 (최대 30개)")
            negative_reviews_output = gr.Textbox(label="부정적인 주요 리뷰", interactive=False, lines=30)
            negative_analysis_output = gr.Textbox(label="부정 리뷰 분석 결과", interactive=False, lines=10)

        analyze_button.click(
            fn=process_reviews,
            inputs=[file_input],
            outputs=[positive_reviews_output, positive_analysis_output, negative_reviews_output, negative_analysis_output]
        )

    return demo

if __name__ == "__main__":
    interface = create_interface()
    interface.launch()