app.py

import gradio as gr
from newspaper import Article
from newspaper import Config

from transformers import pipeline
import requests
from bs4 import BeautifulSoup
import re

from bs4 import BeautifulSoup as bs
import requests
from transformers import PreTrainedTokenizerFast, BartForConditionalGeneration

#  Load Model and Tokenize
def get_summary(input_text):
    tokenizer = PreTrainedTokenizerFast.from_pretrained("ainize/kobart-news")
    summary_model = BartForConditionalGeneration.from_pretrained("ainize/kobart-news")
    input_ids = tokenizer.encode(input_text, return_tensors="pt")
    summary_text_ids = summary_model.generate(
        input_ids=input_ids,
        bos_token_id=summary_model.config.bos_token_id,
        eos_token_id=summary_model.config.eos_token_id,
        length_penalty=2.0,
        max_length=142,
        min_length=56,
        num_beams=4,
    )
    return tokenizer.decode(summary_text_ids[0], skip_special_tokens=True)



USER_AGENT = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10.15; rv:78.0) Gecko/20100101 Firefox/78.0'
config = Config()
config.browser_user_agent = USER_AGENT
config.request_timeout = 10

class news_collector:
    def __init__(self):
        self.examples_text = []

    def get_new_parser(self, url):
        article = Article(url, language='ko')
        article.download()
        article.parse()
        return article

    def get_news_links(self, page=''):
        url = "https://news.daum.net/breakingnews/economic"
        response = requests.get(url)
        html_text = response.text

        soup = bs(response.text, 'html.parser')
        news_titles = soup.select("a.link_txt")
        links = [item.attrs['href'] for item in news_titles ]
        https_links = [item for item in links if item.startswith('https') == True]
        https_links
        return https_links


    def update_news_examples(self):
        news_links = self.get_news_links()

        for news_url in news_links:
            article = self.get_new_parser(news_url)
            self.examples_text.append([get_summary(article.text[:1000]), news_url])



news_data = []

def update_news_data():
    global news_data
    news_data = news_collector().update_news_examples()
    print("뉴스 데이터 업데이트 완료")
    
update_news_data()

title = "균형잡힌 뉴스 읽기 (Balanced News Reading)"



with gr.Blocks(theme='pseudolab/huggingface-korea-theme') as demo:
    # news = news_collector()
    # news.update_news_examples()

    with gr.Tab("소개"):
        gr.Markdown(
        """
        # 균형잡힌 뉴스 읽기 (Balanced News Reading)

        긍정적인 기사와 부정적인 기사인지 확인하여 뉴스를 읽을 수 있습니다. 최근 경제뉴스기사를 가져와 Example에서 바로 확인할 수 있도록 구성했습니다.

        ## 1. 사용방법
        Daum뉴스의 경제 기사를 가져와 내용을 요약하고 `Example`에 가져옵니다. 감정 분석을 하고 싶은 기사를 `Examples`에서 선택해서 `Submit`을 누르면 `Classification`에
        해당 기사의 감정 평가 결과가 표시됩니다. 감정평가는 각 상태의 확률 정보와 함께 `neutral`, `positive`, `negative` 3가지로 표시됩니다.

        ## 2. 구조 설명
        뉴스기사를 크롤링 및 요약 모델을 이용한 기사 요약 >> 기사 요약정보 Example에 추가 >> 한국어 fine-tunning한 감정평가 모델을 이용해 입력된 기사에 대한 감정 평가 진행
        """)

    with gr.Tab("데모"):
        Link_TXT = gr.Textbox(label="뉴스 내용", placeholder = "뉴스 기사 내용을 입력하세요.")
        gr.load("models/gabrielyang/finance_news_classifier-KR_v7",
                inputs = Link_TXT)
        Link_URL = gr.Textbox(label="뉴스 URL")
        
        update_button = gr.Button(value="뉴스 데이터 업데이트")
        update_button.click(fn=update_news_data, inputs=None, outputs=None)
        
        gr.Examples(
            news_data,
            [Link_TXT, Link_URL],
        )

if __name__ == "__main__":
    demo.launch()