Update app.py

app.py

@@ -6,10 +6,24 @@ import networkx as nx
 import matplotlib.pyplot as plt
 import csv
 import datetime
+import io
 
 # Sentence-BERT 모델 로드
 model = SentenceTransformer('all-MiniLM-L6-v2')
 
+# 추천 결과를 CSV 파일로 저장하는 함수
+def save_recommendations_to_csv(recommendations):
+    output = io.StringIO()
+    writer = csv.writer(output)
+    writer.writerow(["Employee ID", "Employee Name", "Recommended Programs"])
+    
+    # 추천 결과 CSV 파일에 기록
+    for rec in recommendations:
+        writer.writerow(rec)
+    
+    output.seek(0)
+    return output
+
 # 추천 결과와 피드백을 기록하는 함수
 def log_recommendation(employee_name, recommended_programs, feedback=None):
     with open('recommendation_log.csv', mode='a', newline='') as file:
@@ -19,34 +33,41 @@ def log_recommendation(employee_name, recommended_programs, feedback=None):
 
 # 직원 데이터를 분석하여 교육 프로그램을 추천하고 그래프를 그리는 함수
 def analyze_data(employee_file, program_file, feedback=None):
+    # 직원 데이터와 교육 프로그램 데이터 불러오기
     employee_df = pd.read_csv(employee_file.name)
     program_df = pd.read_csv(program_file.name)
 
+    # 직원 역량과 프로그램 학습 목표를 벡터화
     employee_skills = employee_df['current_skills'].tolist()
     program_skills = program_df['skills_acquired'].tolist()
     employee_embeddings = model.encode(employee_skills)
     program_embeddings = model.encode(program_skills)
 
+    # 유사도 계산
     similarities = cosine_similarity(employee_embeddings, program_embeddings)
 
+    # 직원별 추천 프로그램 리스트
     recommendations = []
+    recommendation_rows = []  # CSV 파일에 저장할 데이터를 위한 리스트
     for i, employee in employee_df.iterrows():
         recommended_programs = []
         for j, program in program_df.iterrows():
-            if similarities[i][j] > 0.5:
+            if similarities[i][j] > 0.5:  # 유사도 임계값 기준
                 recommended_programs.append(f"{program['program_name']} ({program['duration']})")
         
         if recommended_programs:
             recommendation = f"직원 {employee['employee_name']}의 추천 프로그램: {', '.join(recommended_programs)}"
+            recommendation_rows.append([employee['employee_id'], employee['employee_name'], ", ".join(recommended_programs)])
         else:
             recommendation = f"직원 {employee['employee_name']}에게 적합한 프로그램이 없습니다."
+            recommendation_rows.append([employee['employee_id'], employee['employee_name'], "적합한 프로그램 없음"])
         
+        # 피드백 로그 기록
         log_recommendation(employee['employee_name'], recommended_programs, feedback)
 
         recommendations.append(recommendation)
 
-    result_text = "\n".join(recommendations)
-
+    # 네트워크 그래프 생성
     G = nx.Graph()
     for employee in employee_df['employee_name']:
         G.add_node(employee, type='employee')
@@ -56,16 +77,20 @@ def analyze_data(employee_file, program_file, feedback=None):
 
     for i, employee in employee_df.iterrows():
         for j, program in program_df.iterrows():
-            if similarities[i][j] > 0.5:
+            if similarities[i][j] > 0.5:  # 유사도 임계값
                 G.add_edge(employee['employee_name'], program['program_name'])
 
+    # 그래프 시각화
     plt.figure(figsize=(10, 8))
     pos = nx.spring_layout(G)
     nx.draw(G, pos, with_labels=True, node_color='skyblue', node_size=2000, font_size=10, font_weight='bold')
     plt.title("직원과 프로그램 간의 관계")
     plt.tight_layout()
 
-    return result_text, plt.gcf()
+    # CSV 파일로 추천 결과 반환
+    csv_output = save_recommendations_to_csv(recommendation_rows)
+    
+    return "\n".join(recommendations), plt.gcf(), csv_output
 
 # 예시 데이터를 보여주는 함수
 def show_example_data():
@@ -97,30 +122,17 @@ with gr.Blocks() as demo:
         with gr.Column(scale=1):
             gr.Markdown("# HybridRAG 시스템")
 
-            # 역할 선택 (HR vs 직원)
-            role = gr.Radio(["HR 관리자", "직원"], label="역할을 선택하세요")
-
-            # 역할에 따른 조건 분기
-            with gr.Tabs() as tabs:
-                with gr.Tab("HR 관리자"):
-                    with gr.Box(visible=True) as hr_admin_box:
-                        gr.Markdown("## HR 관리자 인터페이스")
-                        employee_file = gr.File(label="직원 데이터 업로드")
-                        program_file = gr.File(label="교육 프로그램 데이터 업로드")
-                        analyze_button = gr.Button("분석 시작")
-                        output_text = gr.Textbox(label="분석 결과")
-                        
-                        # HR 관리자만 사용할 수 있는 기능을 추가
-                        feedback_input = gr.Radio(choices=["만족", "불만족"], label="직원 피드백 기록")
-
-                        analyze_button.click(analyze_data, inputs=[employee_file, program_file, feedback_input], outputs=[output_text])
-
-                with gr.Tab("직원"):
-                    with gr.Box(visible=True) as employee_box:
-                        gr.Markdown("## 직원 인터페이스")
-                        gr.Markdown("직원에게 맞춤형 교육 프로그램 추천을 제공합니다.")
-                        employee_data = gr.DataFrame(label="직원 개인 데이터 예시")
-                        gr.Button("프로그램 추천 시작")
+            # 직원 데이터와 프로그램 데이터 업로드
+            employee_file = gr.File(label="직원 데이터 업로드")
+            program_file = gr.File(label="교육 프로그램 데이터 업로드")
+            analyze_button = gr.Button("분석 시작")
+            output_text = gr.Textbox(label="분석 결과")
+            
+            # HR 관리자는 직원 피드백을 기록할 수 있습니다.
+            feedback_input = gr.Radio(choices=["만족", "불만족"], label="직원 피드백 기록")
+
+            # 분석 버튼 클릭 시 실행
+            analyze_button.click(analyze_data, inputs=[employee_file, program_file, feedback_input], outputs=[output_text])
 
             # 예시 데이터를 미리보기로 제공
             example_button = gr.Button("예시 데이터 보기")
@@ -128,5 +140,16 @@ with gr.Blocks() as demo:
             program_example_output = gr.DataFrame(label="교육 프로그램 데이터 예시")
             example_button.click(show_example_data, outputs=[employee_example_output, program_example_output])
 
+        with gr.Column(scale=2):
+            gr.Markdown("### 정보 패널")
+            gr.Markdown("업로드된 데이터에 대한 분석 및 결과를 여기에 표시합니다.")
+            
+            # 시각화 차트 출력
+            chart_output = gr.Plot(label="시각화 차트")
+            
+            # 분석 버튼 클릭 시 차트 업데이트 및 추천 결과 다운로드 추가
+            csv_download = gr.File(label="추천 결과 다운로드")
+            analyze_button.click(analyze_data, inputs=[employee_file, program_file, feedback_input], outputs=[output_text, chart_output, csv_download])
+
 # Gradio 인터페이스 실행
 demo.launch()