Update app.py

app.py

@@ -11,9 +11,9 @@ import io
 # Sentence-BERT 모델 로드
 model = SentenceTransformer('all-MiniLM-L6-v2')
 
-# 추천 결과를 CSV 파일로 저장하는 함수
+# 추천 결과를 CSV 파일로 저장하는 함수 (BytesIO로 수정)
 def save_recommendations_to_csv(recommendations):
-    output = io.StringIO()
+    output = io.BytesIO()
     writer = csv.writer(output)
     writer.writerow(["Employee ID", "Employee Name", "Recommended Programs"])
     
@@ -24,15 +24,8 @@ def save_recommendations_to_csv(recommendations):
     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:
-        writer = csv.writer(file)
-        timestamp = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-        writer.writerow([timestamp, employee_name, recommended_programs, feedback])
-
 # 직원 데이터를 분석하여 교육 프로그램을 추천하고 그래프를 그리는 함수
-def analyze_data(employee_file, program_file, feedback=None):
+def analyze_data(employee_file, program_file):
     # 직원 데이터와 교육 프로그램 데이터 불러오기
     employee_df = pd.read_csv(employee_file.name)
     program_df = pd.read_csv(program_file.name)
@@ -61,9 +54,6 @@ def analyze_data(employee_file, program_file, feedback=None):
         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)
 
@@ -83,8 +73,8 @@ def analyze_data(employee_file, program_file, feedback=None):
     # 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")
+    nx.draw(G, pos, with_labels=True, node_color='lightblue', node_size=3000, font_size=10, font_weight='bold', edge_color='gray')
+    plt.title("직원과 프로그램 간의 관계", fontsize=14, fontweight='bold')
     plt.tight_layout()
 
     # CSV 파일로 추천 결과 반환
@@ -92,64 +82,25 @@ def analyze_data(employee_file, program_file, feedback=None):
     
     return "\n".join(recommendations), plt.gcf(), csv_output
 
-# 예시 데이터를 보여주는 함수
-def show_example_data():
-    employee_example = pd.DataFrame({
-        'employee_id': ['001', '002'],
-        'employee_name': ['홍길동', '김영희'],
-        'current_role': ['데이터 분석가', '마케팅 매니저'],
-        'current_skills': ['Python, SQL, 데이터 시각화', '마케팅 전략, 데이터 분석'],
-        'past_training': ['Python 기본 과정, SQL 중급', '데이터 분석 기초 과정'],
-        'performance_review': ['성과 우수', '성과 좋음'],
-        'learning_goal': ['머신러닝 기초 학습', '고급 데이터 분석 기술 학습']
-    })
-
-    program_example = pd.DataFrame({
-        'program_id': ['101', '102'],
-        'program_name': ['Python 고급 과정', '데이터 시각화 심화 과정'],
-        'learning_objectives': ['Python 고급 기술 습득', '데이터 시각화 도구 사용법 숙지'],
-        'skills_acquired': ['Python 고급, 데이터 처리', 'Tableau, 데이터 시각화 도구'],
-        'prerequisites': ['Python 기초', '데이터 시각화 기초'],
-        'duration': ['4주', '2주'],
-        'learning_outcome': ['대규모 데이터 분석 능력', '시각화 결과물 작성 능력']
-    })
-
-    return employee_example, program_example
-
 # Gradio 블록
-with gr.Blocks() as demo:
+with gr.Blocks(css=".gradio-button {background-color: #6c757d; color: white;} .gradio-textbox {border-color: #6c757d;}") as demo:
+    gr.Markdown("<h1 style='text-align: center; color: #2c3e50;'>💼 HybridRAG 시스템</h1>", unsafe_allow_html=True)
+    
     with gr.Row():
         with gr.Column(scale=1):
-            gr.Markdown("# HybridRAG 시스템")
-
-            # 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")
-            employee_example_output = gr.DataFrame(label="직원 데이터 예시")
-            program_example_output = gr.DataFrame(label="교육 프로그램 데이터 예시")
-            example_button.click(show_example_data, outputs=[employee_example_output, program_example_output])
+            gr.Markdown("<h3 style='color: #34495e;'>1. 직원 및 프로그램 데이터를 업로드하세요</h3>")
+            employee_file = gr.File(label="직원 데이터 업로드", interactive=True)
+            program_file = gr.File(label="교육 프로그램 데이터 업로드", interactive=True)
+            analyze_button = gr.Button("분석 시작", elem_classes="gradio-button")
+            output_text = gr.Textbox(label="분석 결과", interactive=False, elem_classes="gradio-textbox")
 
         with gr.Column(scale=2):
-            gr.Markdown("### 정보 패널")
-            gr.Markdown("업로드된 데이터에 대한 분석 및 결과를 여기에 표시합니다.")
-            
-            # 시각화 차트 출력
+            gr.Markdown("<h3 style='color: #34495e;'>2. 분석 결과</h3>")
             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])
+
+    # 분석 버튼 클릭 시 차트와 파일 다운로드를 업데이트
+    analyze_button.click(analyze_data, inputs=[employee_file, program_file], outputs=[output_text, chart_output, csv_download])
 
 # Gradio 인터페이스 실행
 demo.launch()