Update app.py

app.py

@@ -14,9 +14,10 @@ model = SentenceTransformer('jhgan/ko-sbert-sts')
 # 나눔바른고딕 폰트 설정 (허깅페이스 환경에 맞게 수정)
 plt.rc('font', family='NanumBarunGothic')
 
-# Neo4j 관련 코드 제거 (허깅페이스 환경에서는 사용하기 어려움)
+# 전역 변수로 분석 결과 저장
+global_recommendations = None
 
-# 추천 결과를 CSV 문자열로 변환하는 함수
+# CSV 문자열 생성 함수
 def recommendations_to_csv(recommendations):
     output = io.StringIO()
     writer = csv.writer(output)
@@ -24,7 +25,7 @@ def recommendations_to_csv(recommendations):
     writer.writerows(recommendations)
     return output.getvalue()
 
-# 자동으로 열을 매칭하는 함수
+# 열 매칭 함수
 def auto_match_columns(df, required_cols):
     matched_cols = {}
     for req_col in required_cols:
@@ -36,7 +37,7 @@ def auto_match_columns(df, required_cols):
         matched_cols[req_col] = matched_col
     return matched_cols
 
-# 직원 및 프로그램 데이터의 열을 자동으로 매칭하거나, 선택하게 하는 함수
+# 열 검증 함수
 def validate_and_get_columns(employee_df, program_df):
     required_employee_cols = ["employee_id", "employee_name", "current_skills"]
     required_program_cols = ["program_name", "skills_acquired", "duration"]
@@ -56,6 +57,8 @@ def validate_and_get_columns(employee_df, program_df):
 
 # 직원 데이터를 분석하여 교육 프로그램을 추천하고, 테이블과 그래프를 생성하는 함수
 def hybrid_rag(employee_file, program_file):
+    global global_recommendations
+    
     # 1. VectorRAG: KoSentence-BERT를 이용한 유사도 계산
     employee_df = pd.read_csv(employee_file.name)
     program_df = pd.read_csv(program_file.name)
@@ -88,7 +91,7 @@ def hybrid_rag(employee_file, program_file):
 
         recommendations.append(recommendation)
 
-    # GraphRAG 부분 제거 (Neo4j 사용 불가)
+    global_recommendations = recommendation_rows
 
     G = nx.Graph()
     for employee in employee_df[employee_cols['employee_name']]:
@@ -116,6 +119,18 @@ def hybrid_rag(employee_file, program_file):
     
     return result_df, plt.gcf(), csv_output
 
+# 채팅 응답 함수
+def chat_response(message, history):
+    global global_recommendations
+    if global_recommendations is None:
+        return "먼저 '분석 시작' 버튼을 눌러 데이터를 분석해주세요."
+    
+    for employee in global_recommendations:
+        if employee[1].lower() in message.lower():
+            return f"{employee[1]}님에게 추천된 프로그램은 다음과 같습니다: {employee[2]}"
+    
+    return "죄송합니다. 해당 직원의 정보를 찾을 수 없습니다. 다른 직원 이름을 입력해주세요."
+
 # Gradio 블록
 with gr.Blocks(css=".gradio-button {background-color: #007bff; color: white;} .gradio-textbox {border-color: #6c757d;}") as demo:
     gr.Markdown("<h1 style='text-align: center; color: #2c3e50;'>💼 HybridRAG 시스템</h1>")
@@ -133,7 +148,16 @@ with gr.Blocks(css=".gradio-button {background-color: #007bff; color: white;} .g
             gr.Markdown("<h3 style='color: #34495e;'>2. 분석 결과 및 시각화</h3>")
             chart_output = gr.Plot(label="시각화 차트")
 
+    gr.Markdown("<h3 style='color: #34495e;'>3. 직원별 추천 프로그램 확인</h3>")
+    chatbot = gr.Chatbot()
+    msg = gr.Textbox(label="직원 이름을 입력하세요")
+    clear = gr.Button("대화 내역 지우기")
+
     # 분석 버튼 클릭 시 테이블, 차트, 파일 다운로드를 업데이트
     analyze_button.click(hybrid_rag, inputs=[employee_file, program_file], outputs=[output_table, chart_output, csv_download])
 
+    # 채팅 기능
+    msg.submit(chat_response, [msg, chatbot], [chatbot])
+    clear.click(lambda: None, None, chatbot, queue=False)
+
 demo.launch()