Create app.py

app.py

@@ -0,0 +1,92 @@
+import streamlit as st
+import pandas as pd
+from transformers import pipeline
+
+#######################################
+# 1) 모델 준비
+#######################################
+
+# (A) Zero-Shot 분류 파이프라인 (다국어 모델)
+topic_classifier = pipeline(
+    "zero-shot-classification",
+    model="joeddav/xlm-roberta-large-xnli"
+)
+
+# (B) 감성분석 파이프라인 (koelectra-nsmc 예시)
+sentiment_analyzer = pipeline(
+    "sentiment-analysis",
+    model="monologg/koelectra-base-finetuned-nsmc"
+)
+
+# 분류할 주제 라벨 (HR 이슈 예시)
+topic_labels = ["근무환경", "복리후생", "급여", "평가보상", "제도", "생산라인", "조직문화", "인원충원", "기타"]
+
+#######################################
+# 2) Streamlit UI
+#######################################
+
+st.title("Employee Feedback Analyzer")
+st.write("""
+**직원 익명게시판** 등 텍스트를 업로드하여,
+- **이슈 주제**(Zero-Shot)  
+- **감성분석**(긍정/부정)  
+결과를 확인할 수 있는 데모입니다.
+""")
+
+uploaded_file = st.file_uploader("CSV 또는 XLSX 파일을 업로드하세요", type=["csv", "xlsx"])
+
+if uploaded_file is not None:
+    # 2-1) 파일 로드
+    if uploaded_file.name.endswith(".csv"):
+        df = pd.read_csv(uploaded_file)
+    else:
+        df = pd.read_excel(uploaded_file)
+
+    st.write("업로드된 데이터 (최대 5행 미리보기):")
+    st.dataframe(df.head())
+
+    # 'content'라는 열에 게시글이 있다고 가정
+    text_column = st.selectbox("분석할 텍스트 컬럼 선택", df.columns)
+
+    if st.button("분석 시작"):
+        # 결과 저장 리스트
+        topics = []
+        topic_scores = []
+        sentiments = []
+        sentiment_scores = []
+
+        for text in df[text_column]:
+            # Zero-Shot 분류
+            # truncation=True로 글이 길어도 최대 토큰 초과 에러 방지
+            topic_result = topic_classifier(text, topic_labels, truncation=True)
+            # 가장 확률 높은 라벨
+            pred_label = topic_result["labels"][0]
+            pred_score = topic_result["scores"][0]
+
+            # 감성분석
+            sentiment_result = sentiment_analyzer(text, truncation=True)
+            sent_label = sentiment_result[0]["label"]
+            sent_score = sentiment_result[0]["score"]
+
+            topics.append(pred_label)
+            topic_scores.append(round(pred_score, 4))
+            sentiments.append(sent_label)
+            sentiment_scores.append(round(sent_score, 4))
+
+        # 결과를 데이터프레임에 추가
+        df["pred_topic"] = topics
+        df["topic_score"] = topic_scores
+        df["sentiment_label"] = sentiments
+        df["sentiment_score"] = sentiment_scores
+
+        st.write("분석 결과")
+        st.dataframe(df)
+
+        # 다운로드 버튼
+        csv_data = df.to_csv(index=False).encode("utf-8-sig")
+        st.download_button(
+            label="결과 CSV 다운로드",
+            data=csv_data,
+            file_name="employee_feedback_analysis.csv",
+            mime="text/csv"
+        )