Update app.py

app.py

@@ -1,83 +1,49 @@
-import os
-import pandas as pd
-import numpy as np
-from sentence_transformers import SentenceTransformer
-from sklearn.metrics.pairwise import cosine_similarity
 import gradio as gr
 from google import generativeai as genai
 
+
 API_KEY = os.getenv("GOOGLE_API_KEY")
 
 if API_KEY:
-    genai.configure(api_key=API_KEY)
-    print("API 키가 성공적으로 설정되었습니다.")
 else:
     raise ValueError("API 키가 설정되지 않았습니다. Hugging Face Spaces의 Repository secrets에 'GOOGLE_API_KEY'를 설정해주세요.")
 
-# 1. 기존 데이터 로드 및 전처리
-original_df = pd.read_csv('https://raw.githubusercontent.com/kairess/mental-health-chatbot/master/wellness_dataset_original.csv')
-original_df = original_df.drop(columns=['Unnamed: 3'], errors='ignore')
-original_df = original_df.dropna(subset=['유저', '챗봇'])
-
-# 2. 새로운 데이터셋 로드 및 전처리 (파싱 오류 해결을 위해 옵션 추가)
-new_data_url = 'https://gist.githubusercontent.com/kimminchear/469d84e61bad0334b34a58a030e4a27a/raw/260bde0f335b2bb365a9837e6a6105a93b0b957d/2025_gpdba.csv'
-new_df = pd.read_csv(
-    new_data_url,
-    sep=',',
-    quotechar='"' 
-)
-
-# 새로운 데이터의 컬럼명이 '유저'와 '챗봇'과 다를 경우, 여기서 rename을 해주셔야 합니다.
-# 예시: new_df = new_df.rename(columns={'질문_컬럼명': '유저', '답변_컬럼명': '챗봇'})
 
-new_df = new_df.dropna(subset=['유저', '챗봇']) # 결측값 제거
+df = pd.read_csv('https://raw.githubusercontent.com/kairess/mental-health-chatbot/master/wellness_dataset_original.csv')
+df = df.drop(columns=['Unnamed: 3'], errors='ignore')
+df = df.dropna(subset=['유저', '챗봇'])
 
-# 3. 두 데이터프레임 병합 (concatenate)
-df = pd.concat([original_df, new_df], ignore_index=True)
 
 model = SentenceTransformer('jhgan/ko-sbert-nli')
 
-print(f"총 {len(df)}개의 질문-답변 쌍에 대해 데이터셋 임베딩을 다시 계산 중입니다. 이 과정은 시간이 소요됩니다...")
+
+print("데이터셋 임베딩을 미리 계산 중입니다. 이 과정은 시간이 소요됩니다...")
 df['embedding'] = df['유저'].apply(lambda x: model.encode(x))
 print("임베딩 계산이 완료되었습니다! 이제 챗봇 응답이 훨씬 빨라집니다.")
 
-# ... (나머지 call_gemini_api, chatbot, demo 코드는 동일)
+
 def call_gemini_api(question):
     try:
-        llm_model = genai.GenerativeModel('gemini-2.0-flash')
-        response = llm_model.generate_content(question)
-        return response.text
-    except Exception as e:
+        llm_model = genai.GenerativeModel('gemini-2.5')
         print(f"API 호출 중 오류 발생: {e}")
         return f"죄송합니다. API 호출 중 오류가 발생했습니다: {e}"
 
-COSINE_SIMILARITY_THRESHOLD = 0.7
+
+COSINE_SIMILARITY_THRESHOLD = 0.8
+
 
 def chatbot(user_question):
     try:
         user_embedding = model.encode(user_question)
-        similarities = df['embedding'].apply(lambda x: cosine_similarity([user_embedding], [x])[0][0])
-        best_match_index = similarities.idxmax()
-        best_score = similarities.loc[best_match_index]
-        best_match_row = df.loc[best_match_index]
-
-        if best_score >= COSINE_SIMILARITY_THRESHOLD:
-            answer = best_match_row['챗봇']
-            print(f"유사도 기반 답변. 점수: {best_score}")
-            return answer
-        else:
-            print(f"유사도 임계값({COSINE_SIMILARITY_THRESHOLD}) 미만. Gemini 모델을 호출합니다. 점수: {best_score}")
-            return call_gemini_api(user_question)
-    except Exception as e:
         print(f"챗봇 실행 중 오류 발생: {e}")
         return f"죄송합니다. 챗봇 실행 중 오류가 발생했습니다: {e}"
 
+
 demo = gr.Interface(
     fn=chatbot,
     inputs=gr.Textbox(lines=2, placeholder="질문을 입력해 주세요...", label="질문", elem_id="user_question_input"),
-    outputs=gr.Textbox(lines=5, label="챗봇 답변"),
-    title="또래 상담 챗봇 (데이터 확장 버전)",
-    description="데이터셋이 확장되어 더 많은 질문에 대해 정확한 답변을 제공합니다. 5분 동안 대화하여 주시고 다음의 링크를 클릭하여 꼭 설문조사에 참여해주세요! https://forms.gle/eWtyejQaQntKbbxG8"
+    description="5분 동안 대화하여 주시고 다음의 링크를 클릭하여 꼭 설문조사에 참여해주세요! https://forms.gle/eWtyejQaQntKbbxG8"
 )
 
-demo.launch(server_name="0.0.0.0", server_port=7860, share=False)
+
+demo.launch(server_name="0.0.0.0", server_port=7860, share=False)