app.py

"""
🎭 AI 감정 분석기
Hugging Face Spaces 배포용 완성 코드
"""

import gradio as gr
from transformers import pipeline
import logging
import os

# 로깅 설정
logging.basicConfig(level=logging.INFO)
logger = logging.getLogger(__name__)

# 전역 변수로 모델 파이프라인 저장
sentiment_pipeline = None

def load_model():
    """모델 로딩 함수 - 앱 시작시 한번만 실행"""
    global sentiment_pipeline
    
    try:
        logger.info("🤖 감정 분석 모델을 로딩 중...")
        
        # 다국어 지원 모델 사용 (한국어 포함)
        sentiment_pipeline = pipeline(
            "sentiment-analysis",
            model="nlptown/bert-base-multilingual-uncased-sentiment",
            return_all_scores=False
        )
        
        logger.info("✅ 모델 로딩 완료!")
        return True
        
    except Exception as e:
        logger.error(f"❌ 모델 로딩 실패: {str(e)}")
        
        # 기본 모델로 fallback
        try:
            sentiment_pipeline = pipeline("sentiment-analysis")
            logger.info("✅ 기본 모델로 로딩 완료!")
            return True
        except Exception as e2:
            logger.error(f"❌ 기본 모델도 로딩 실패: {str(e2)}")
            return False

def analyze_sentiment(text):
    """
    감정 분석 메인 함수
    Args:
        text (str): 분석할 텍스트
    Returns:
        str: 분석 결과 (마크다운 형식)
    """
    
    # 입력 검증
    if not text or not text.strip():
        return """
### ⚠️ 알림
텍스트를 입력해주세요! 😊

**사용법**: 아래 예시를 참고하거나 직접 문장을 입력해보세요.
        """
    
    # 텍스트 길이 제한
    if len(text) > 1000:
        return """
### ❌ 오류
텍스트가 너무 깁니다. 1000자 이하로 입력해주세요.
        """
    
    try:
        logger.info(f"📝 분석 시작: {text[:50]}...")
        
        # AI 모델로 감정 분석
        result = sentiment_pipeline(text)[0]
        
        # 결과 처리
        label = result['label']
        confidence = result['score']
        
        logger.info(f"🎯 분석 결과: {label} ({confidence:.3f})")
        
        # 라벨 매핑 (다국어 모델 지원)
        emoji, korean_label, description = map_sentiment_label(label, confidence)
        
        # 결과 포맷팅
        result_markdown = f"""
### {emoji} 감정 분석 결과

**🎭 감정**: {korean_label}  
**📊 확신도**: {confidence:.1%}  
**🔍 상세**: {description}

---
**⚙️ 모델 정보**: {label} (원본)  
**⏰ 분석 완료**: ✅
        """
        
        return result_markdown
        
    except Exception as e:
        logger.error(f"💥 분석 중 오류: {str(e)}")
        return f"""
### ❌ 분석 오류

죄송합니다. 분석 중 오류가 발생했습니다.

**오류 내용**: {str(e)}

**해결 방법**:
- 텍스트를 다시 확인해주세요
- 잠시 후 다시 시도해주세요
- 문제가 지속되면 새로고침 해주세요
        """

def map_sentiment_label(label, confidence):
    """
    모델 라벨을 한국어로 매핑하고 설명 추가
    Args:
        label (str): 모델 출력 라벨
        confidence (float): 신뢰도 점수
    Returns:
        tuple: (이모지, 한국어 라벨, 설명)
    """
    
    label_str = str(label).upper()
    
    # 긍정 감정 (POSITIVE, 4 STARS, 5 STARS)
    if any(pos in label_str for pos in ['POSITIVE', '5', '4']):
        if confidence > 0.8:
            return "😍", "매우 긍정적", "아주 좋은 감정이 느껴집니다!"
        else:
            return "😊", "긍정적", "좋은 감정이 느껴집니다."
    
    # 부정 감정 (NEGATIVE, 1 STAR, 2 STARS)  
    elif any(neg in label_str for neg in ['NEGATIVE', '1', '2']):
        if confidence > 0.8:
            return "😢", "매우 부정적", "강한 부정적 감정이 느껴집니다."
        else:
            return "😟", "부정적", "부정적 감정이 느껴집니다."
    
    # 중립 감정 (3 STARS, NEUTRAL)
    else:
        return "😐", "중립적", "특별한 감정이 느껴지지 않습니다."

def create_interface():
    """Gradio 인터페이스 생성"""
    
    # CSS 스타일링
    custom_css = """
    .gradio-container {
        font-family: 'Noto Sans KR', -apple-system, BlinkMacSystemFont, sans-serif;
        max-width: 900px;
        margin: 0 auto;
    }
    
    .main-header {
        text-align: center;
        padding: 20px;
        background: linear-gradient(135deg, #667eea 0%, #764ba2 100%);
        color: white;
        border-radius: 10px;
        margin-bottom: 20px;
    }
    
    .footer-info {
        text-align: center;
        margin-top: 20px;
        padding: 15px;
        background-color: #f8f9fa;
        border-radius: 8px;
        font-size: 14px;
        color: #6c757d;
    }
    """
    
    # 인터페이스 생성
    with gr.Blocks(
        css=custom_css,
        theme=gr.themes.Soft(
            primary_hue="blue",
            secondary_hue="purple",
            neutral_hue="gray"
        ),
        title="🎭 AI 감정 분석기"
    ) as demo:
        
        # 헤더
        gr.HTML("""
        <div class="main-header">
            <h1>🎭 AI 감정 분석기</h1>
            <p>트랜스포머 기반 다국어 감정 분석 도구</p>
        </div>
        """)
        
        # 메인 인터페이스
        with gr.Row():
            with gr.Column(scale=1):
                text_input = gr.Textbox(
                    placeholder="감정을 분석할 텍스트를 입력하세요...\n예: '오늘 정말 좋은 하루였어요!'",
                    lines=4,
                    label="📝 텍스트 입력",
                    max_lines=8
                )
                
                analyze_btn = gr.Button(
                    "🔍 감정 분석하기", 
                    variant="primary",
                    size="lg"
                )
                
                clear_btn = gr.Button(
                    "🗑️ 초기화", 
                    variant="secondary"
                )
            
            with gr.Column(scale=1):
                result_output = gr.Markdown(
                    value="""
### 👋 환영합니다!

왼쪽에 텍스트를 입력하고 **'감정 분석하기'** 버튼을 클릭하면  
AI가 텍스트의 감정을 분석해드립니다.

**✨ 특징**:
- 🌍 다국어 지원 (한국어 최적화)
- 🎯 높은 정확도
- ⚡ 빠른 분석 속도
                    """,
                    label="🎯 분석 결과"
                )
        
        # 예시 데이터
        gr.Markdown("### 📚 예시 문장들")
        examples = gr.Examples(
            examples=[
                ["오늘 정말 기분이 좋아요! 🌟"],
                ["이 영화는 정말 지루하고 재미없어요 😴"],
                ["그냥 평범한 하루였어요."],
                ["허깅페이스 워크숍 너무 재미있어요! 🚀"],
                ["AI 기술이 정말 신기하고 놀라워요 🤖"],
                ["이번 프로젝트는 완전 실패했어요... 😞"],
                ["새로운 도전이 기대되고 설레어요!"],
                ["날씨가 흐리고 우울해요"],
                ["친구들과 함께한 시간이 행복했어요"],
                ["시험 결과가 걱정돼요"]
            ],
            inputs=text_input,
            label="클릭하면 자동 입력됩니다"
        )
        
        # 이벤트 핸들러
        analyze_btn.click(
            fn=analyze_sentiment,
            inputs=text_input,
            outputs=result_output
        )
        
        clear_btn.click(
            fn=lambda: ("", """
### 👋 환영합니다!

왼쪽에 텍스트를 입력하고 **'감정 분석하기'** 버튼을 클릭하면  
AI가 텍스트의 감정을 분석해드립니다.
            """),
            outputs=[text_input, result_output]
        )
        
        # Enter 키로도 분석 가능
        text_input.submit(
            fn=analyze_sentiment,
            inputs=text_input,
            outputs=result_output
        )
        
        # 푸터 정보
        gr.HTML("""
        <div class="footer-info">
            <p>🤖 <strong>Powered by</strong>: Hugging Face Transformers + Gradio</p>
            <p>📊 <strong>Model</strong>: BERT Multilingual Sentiment Analysis</p>
            <p>💡 <strong>Tips</strong>: 한국어, 영어, 기타 언어 모두 지원합니다!</p>
        </div>
        """)
    
    return demo

def main():
    """메인 실행 함수"""
    print("🎭 AI 감정 분석기 시작!")
    
    # 모델 로딩
    if not load_model():
        print("❌ 모델 로딩 실패! 앱을 시작할 수 없습니다.")
        return
    
    # 인터페이스 생성
    demo = create_interface()
    
    # 개발 환경 vs 배포 환경 설정
    if os.getenv("SPACE_ID"):  # Hugging Face Spaces에서 실행 중
        print("🚀 Hugging Face Spaces에서 앱을 시작합니다...")
        demo.launch(
            server_name="0.0.0.0",
            server_port=7860,
            share=False  # Spaces에서는 자동으로 공개됨
        )
    else:  # 로컬에서 실행 중
        print("💻 로컬 환경에서 앱을 시작합니다...")
        demo.launch(
            share=True,  # 로컬에서는 공개 링크 생성
            server_port=7860
        )

if __name__ == "__main__":
    main()