Update app.py

app.py

@@ -1,53 +1,78 @@
 import streamlit as st
 from transformers import pipeline
 
-# Zero-Shot 분류 모델 (이슈주제 분류)
+# -----------------------------
+# 1) Zero-Shot 분류 모델 준비
+# -----------------------------
 topic_classifier = pipeline(
     "zero-shot-classification",
-    model="joeddav/xlm-roberta-large-xnli"  # 다국어 지원
+    model="joeddav/xlm-roberta-large-xnli"  # 다국어 지원 모델
 )
 
-# 감성분석 모델 (koelectra-nsmc)
+# -----------------------------
+# 2) 감성분석 모델 준비
+# -----------------------------
 sentiment_analyzer = pipeline(
     "sentiment-analysis",
     model="monologg/koelectra-base-finetuned-nsmc"
 )
 
-# 정의할 주제 라벨 (예시)
-topic_labels = ["근무환경", "복리후생", "조직문화", "급여", "제도평가보상", "셍산라인", "인력충원", "기타"]
+# -----------------------------
+# 3) 세분화 라벨 정의
+# -----------------------------
+topic_labels = [
+    "근무환경-설비장비",
+    "근무환경-휴게소음",
+    "근무환경-안전",
+    "복리후생-수당보상",
+    "복리후생-교통셔틀",
+    "복리후생-기숙사숙소",
+    "조직문화-대인관계갈등",
+    "조직문화-언어매너",
+    "조직문화-사기스트레스",
+    "인원충원",
+    "근태관리",
+    "장비물자-작업복",
+    "장비물자-언더웨어",
+    "기타"
+]
 
-st.title("이슈주제 + 감성분석 (복붙 버전)")
+# -----------------------------
+# 4) 스트림릿 UI
+# -----------------------------
+st.title("익명게시판 이슈분석 (세분화 주제 + 감성)")
 
 st.write("""
-**아래 입력란에 5,000자 이하로 텍스트를 붙여넣은 뒤, '분석하기'를 눌러주세요.**  
-- Zero-Shot 분류 → **근무환경 / 복리후생 / 조직문화 / 인원충원 / 기타**  
-- 감성분석 → **긍정(positive) / 부정(negative)**
+**한 번에 글 하나씩** 아래 칸에 붙여넣고, "분석하기" 버튼을 누르세요.
+
+- **Zero-Shot 분류**: 근무환경, 복리후생, 조직문화, 인원충원... 등 세분화
+- **감성분석**: 긍정(positive) vs 부정(negative)
+- 최대 약 5,000자까지 입력 가능합니다.
 """)
 
-# 최대 5000자 제한
-input_text = st.text_area("텍스트 입력", max_chars=5000, height=300)
+user_input = st.text_area("본문을 입력하세요 (복사/붙여넣기)", max_chars=5000, height=250)
 
 if st.button("분석하기"):
-    if len(input_text.strip()) == 0:
-        st.warning("분석할 텍스트를 입력해주세요!")
+    text = user_input.strip()
+    if not text:
+        st.warning("텍스트를 입력해주세요!")
     else:
         # 1) Zero-Shot 분류
         topic_result = topic_classifier(
-            input_text,
+            text,
             topic_labels,
-            truncation=True  # 글자 수가 많을 때 오류 방지(512토큰 초과 시 잘라냄)
+            truncation=True  # 512토큰 초과시 잘라내기
         )
+        # 가장 확률 높은 라벨
         pred_topic = topic_result["labels"][0]
         topic_score = topic_result["scores"][0]
 
         # 2) 감성분석
-        sent_result = sentiment_analyzer(input_text, truncation=True)
-        sent_label = sent_result[0]["label"]
+        sent_result = sentiment_analyzer(text, truncation=True)
+        sent_label = sent_result[0]["label"]  # positive/negative
         sent_score = sent_result[0]["score"]
 
         st.subheader("분석 결과")
-        st.write(f"- **주제**: {pred_topic} (score={topic_score:.4f})")
-        st.write(f"- **감성**: {sent_label} (score={sent_score:.4f})")
-
-        st.success("분석 완료!")
-
+        st.write(f"**주제**: {pred_topic} (score={topic_score:.4f})")
+        st.write(f"**감성**: {sent_label} (score={sent_score:.4f})")
+        st.success("분석이 완료되었습니다!")