Update app.py

app.py

@@ -6,7 +6,6 @@ from sklearn.metrics.pairwise import cosine_similarity
 import gradio as gr
 from google import generativeai as genai
 
-# API 키를 Hugging Face Spaces의 Repository secrets에서 가져옵니다.
 API_KEY = os.getenv("GOOGLE_API_KEY")
 
 if API_KEY:
@@ -15,20 +14,16 @@ if API_KEY:
 else:
     raise ValueError("API 키가 설정되지 않았습니다. Hugging Face Spaces의 Repository secrets에 'GOOGLE_API_KEY'를 설정해주세요.")
 
-# 데이터셋 로드
 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'])
 
-# 임베딩 모델 로드
 model = SentenceTransformer('jhgan/ko-sbert-nli')
 
-# 데이터셋 임베딩 미리 계산
 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.")
 
-# Gemini API 호출 함수
 def call_gemini_api(question):
     try:
         llm_model = genai.GenerativeModel('gemini-pro')
@@ -38,10 +33,8 @@ def call_gemini_api(question):
         print(f"API 호출 중 오류 발생: {e}")
         return f"죄송합니다. API 호출 중 오류가 발생했습니다: {e}"
 
-# 유사도 임계값
 COSINE_SIMILARITY_THRESHOLD = 0.8
 
-# 챗봇 핵심 로직
 def chatbot(user_question):
     try:
         user_embedding = model.encode(user_question)
@@ -61,7 +54,6 @@ def chatbot(user_question):
         print(f"챗봇 실행 중 오류 발생: {e}")
         return f"죄송합니다. 챗봇 실행 중 오류가 발생했습니다: {e}"
 
-# Gradio 인터페이스 정의
 demo = gr.Interface(
     fn=chatbot,
     inputs=gr.Textbox(lines=2, placeholder="질문을 입력해 주세요...", label="질문", elem_id="user_question_input"),
@@ -70,5 +62,4 @@ demo = gr.Interface(
     description="5분 동안 대화하여 주시고 다음의 링크를 클릭하여 꼭 설문조사에 참여해주세요! https://forms.gle/eWtyejQaQntKbbxG8"
 )
 
-# Hugging Face Spaces 환경에 맞춰 server_name과 server_port를 명시합니다.
 demo.launch(server_name="0.0.0.0", server_port=7860, share=False)