Update app.py

app.py

@@ -6,10 +6,15 @@ import networkx as nx
 import matplotlib.pyplot as plt
 import csv
 import io
-import os
+import matplotlib.font_manager as fm
 
-# Sentence-BERT 모델 로드
-model = SentenceTransformer('all-MiniLM-L6-v2')
+# 한국어 처리를 위한 KoSentence-BERT 모델 로드
+model = SentenceTransformer('jhgan/ko-sbert-sts')
+
+# 나눔바른고딕 폰트 설정
+font_path = "/root/fonts/NanumBarunGothic.ttf"  # Hugging Face 루트에 저장된 폰트 경로
+fontprop = fm.FontProperties(fname=font_path)
+plt.rc('font', family=fontprop.get_name())
 
 # 추천 결과를 실제 파일로 저장하는 함수
 def save_recommendations_to_file(recommendations):
@@ -54,14 +59,14 @@ def validate_and_get_columns(employee_df, program_df):
 
     return None, employee_cols, program_cols
 
-# 직원 데이터를 분석하여 교육 프로그램을 추천하고 그래프를 그리는 함수
+# 직원 데이터를 분석하여 교육 프로그램을 추천하고, 테이블과 그래프를 생성하는 함수
 def analyze_data(employee_file, program_file):
     employee_df = pd.read_csv(employee_file.name)
     program_df = pd.read_csv(program_file.name)
 
     error_msg, employee_cols, program_cols = validate_and_get_columns(employee_df, program_df)
     if error_msg:
-        return error_msg, None, None
+        return error_msg, None, None, None
 
     employee_skills = employee_df[employee_cols["current_skills"]].tolist()
     program_skills = program_df[program_cols["skills_acquired"]].tolist()
@@ -71,7 +76,7 @@ def analyze_data(employee_file, program_file):
     similarities = cosine_similarity(employee_embeddings, program_embeddings)
 
     recommendations = []
-    recommendation_rows = []  # CSV로 저장할 데이터
+    recommendation_rows = []  # 테이블 및 CSV로 저장할 데이터
     for i, employee in employee_df.iterrows():
         recommended_programs = []
         for j, program in program_df.iterrows():
@@ -101,14 +106,17 @@ def analyze_data(employee_file, program_file):
 
     plt.figure(figsize=(10, 8))
     pos = nx.spring_layout(G)
-    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')
+    nx.draw(G, pos, with_labels=True, node_color='lightblue', node_size=3000, font_size=10, font_weight='bold', edge_color='gray', fontproperties=fontprop)
+    plt.title("직원과 프로그램 간의 관계", fontsize=14, fontweight='bold', fontproperties=fontprop)
     plt.tight_layout()
 
     # CSV 파일로 추천 결과 반환
     csv_output = save_recommendations_to_file(recommendation_rows)
     
-    return "\n".join(recommendations), plt.gcf(), csv_output
+    # 결과 테이블 데이터프레임 생성
+    result_df = pd.DataFrame(recommendation_rows, columns=["Employee ID", "Employee Name", "Recommended Programs"])
+    
+    return result_df, plt.gcf(), csv_output
 
 # Gradio 블록
 with gr.Blocks(css=".gradio-button {background-color: #007bff; color: white;} .gradio-textbox {border-color: #6c757d;}") as demo:
@@ -120,14 +128,15 @@ with gr.Blocks(css=".gradio-button {background-color: #007bff; color: white;} .g
             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")
+            output_table = gr.DataFrame(label="분석 결과 (테이블)")
+            csv_download = gr.File(label="추천 결과 다운로드")
 
         with gr.Column(scale=2, min_width=500):
             gr.Markdown("<h3 style='color: #34495e;'>2. 분석 결과 및 시각화</h3>")
             chart_output = gr.Plot(label="시각화 차트")
-            csv_download = gr.File(label="추천 결과 다운로드")
 
-    analyze_button.click(analyze_data, inputs=[employee_file, program_file], outputs=[output_text, chart_output, csv_download])
+    # 분석 버튼 클릭 시 테이블, 차트, 파일 다운로드를 업데이트
+    analyze_button.click(analyze_data, inputs=[employee_file, program_file], outputs=[output_table, chart_output, csv_download])
 
 # Gradio 인터페이스 실행
 demo.launch()