Update app.py

app.py

@@ -1,66 +1,103 @@
 import gradio as gr
-import pandas as pd
 from datasets import load_dataset
 import random
-
-# 데이터셋 불러오기 및 전처리
-dataset = load_dataset("gaeunseo/Taskmaster_sample_data", split='train')
-df = dataset.to_pandas()
-
-# 전역 변수 선언
-statement = ""
-
-def update_statement(value):
-    global statement
-    statement = value
-    return statement
+import re
 
 def load_random_conversations():
-    # 'used'가 False인 그룹 필터링
-    unused_groups = df[df['used'] == False].groupby('conversation_id')
+    """
+    데이터셋 'gaeunseo/Taskmaster_sample_data'의 train split에서 
+    conversation_id별로 그룹화한 후, 모든 행의 used가 False인 그룹만 남겨,
+    이 중 랜덤하게 2개 그룹을 선택하여 각 대화의 모든 utterance를 줄바꿈으로 연결한 문자열 두 개를 반환.
+    """
+    ds = load_dataset("gaeunseo/Taskmaster_sample_data")["train"]
+    
+    # conversation_id 별로 그룹화
+    groups = {}
+    for row in ds:
+        cid = row["conversation_id"]
+        groups.setdefault(cid, []).append(row)
     
-    # 조건에 맞는 conversation_id 리스트
-    valid_conversation_ids = [cid for cid, group in unused_groups if len(group) >= 2]
+    # 그룹 내 모든 행의 used가 False인 그룹만 선택
+    valid_groups = [grp for grp in groups.values() if all(not row["used"] for row in grp)]
     
-    if not valid_conversation_ids:
-        return "No available conversation", "No available conversation"
+    if len(valid_groups) < 2:
+        return "Not enough unused conversations", "Not enough unused conversations"
     
-    # 랜덤으로 하나의 conversation_id 선택
-    selected_id = random.choice(valid_conversation_ids)
+    # 유효한 그룹 중 랜덤하게 2개 선택
+    selected_groups = random.sample(valid_groups, 2)
     
-    # 선택된 그룹에서 두 개의 행을 랜덤 선택
-    selected_group = df[df['conversation_id'] == selected_id]
-    selected_conversations = selected_group.sample(2)
+    # 각 그룹의 모든 utterance를 이어붙임
+    conv_A = "\n".join(row["utterance"] for row in selected_groups[0])
+    conv_B = "\n".join(row["utterance"] for row in selected_groups[1])
+    
+    return conv_A, conv_B
+
+def format_chat(conv_text):
+    """
+    conv_text 문자열을 [turn]과 [BC] 토큰을 기준으로 분할한 후,
+    첫 번째 발화는 사람(사용자), 두 번째 발화는 AI의 응답으로 간주하여
+    gr.Chatbot 컴포넌트에서 사용하는 (user_message, ai_message) 튜플 리스트로 변환.
     
-    # 선택된 대화 텍스트 반환
-    conversation_A = selected_conversations.iloc[0]['text']
-    conversation_B = selected_conversations.iloc[1]['text']
+    - 사람(사용자) 메시지: 오른쪽 말풍선, 메시지 끝에 "🧑" 이모티콘 추가
+    - AI 메시지: 왼쪽 말풍선, 메시지 앞에 "🤖" 이모티콘 추가
+    """
+    # [turn]와 [BC]를 구분자로 사용하여 발화 분할
+    utterances = re.split(r'\[turn\]|\[BC\]', conv_text)
+    # 공백 제거 및 빈 문자열 제거
+    utterances = [utt.strip() for utt in utterances if utt.strip()]
     
-    return conversation_A, conversation_B
+    chat = []
+    # 번갈아 등장한다고 가정 (첫 번째: 사람, 두 번째: AI, ...)
+    for i in range(0, len(utterances), 2):
+        # 첫 번째 발화 → 사람 (오른쪽 정렬: gr.Chatbot에서 사용자 메시지는 기본적으로 오른쪽에 표시됨)
+        human = utterances[i] + " 🧑"
+        ai = ""
+        if i + 1 < len(utterances):
+            # 두 번째 발화 → AI (왼쪽 정렬: gr.Chatbot에서 봇 메시지는 기본적으로 왼쪽에 표시됨)
+            ai = "🤖 " + utterances[i + 1]
+        chat.append((human, ai))
+    return chat
+
+def load_and_format_conversations():
+    """
+    데이터셋에서 랜덤하게 두 대화 문자열을 가져온 후, 각각 format_chat()을 통해
+    채팅 인터페이스에 맞게 변환하여 반환.
+    """
+    conv_A, conv_B = load_random_conversations()
+    # 에러 메시지인 경우 그대로 반환
+    if conv_A.startswith("Not enough"):
+        return conv_A, conv_B
+    return format_chat(conv_A), format_chat(conv_B)
+
+# 평가 버튼 클릭 시 업데이트할 전역 변수
+statement = ""
+
+def update_statement(val):
+    global statement
+    statement = val
+    return statement
 
 with gr.Blocks() as demo:
-    # 두 개의 대화창을 좌우에 배치합니다.
+    # 상단: 좌우에 각각 채팅 인터페이스 배치 (Conversation A와 Conversation B)
     with gr.Row():
-        conversation_A = gr.Textbox(label="Conversation A", placeholder="Enter conversation A here...", lines=10)
-        conversation_B = gr.Textbox(label="Conversation B", placeholder="Enter conversation B here...", lines=10)
+        chat_A = gr.Chatbot(label="Conversation A")
+        chat_B = gr.Chatbot(label="Conversation B")
+    
+    # "Load Random Conversations" 버튼을 눌러 데이터셋에서 대화를 불러오고 채팅 인터페이스에 표시
+    load_btn = gr.Button("Load Random Conversations")
+    load_btn.click(fn=load_and_format_conversations, inputs=[], outputs=[chat_A, chat_B])
     
-    # 4개의 버튼을 한 행에 배치합니다.
+    # 하단: 평가 버튼 4개 배치  
     with gr.Row():
         btn_both_good = gr.Button("Both good")      # "둘 다 좋음" → "BG"
-        btn_a_better  = gr.Button("A is better")    # "A가 더 좋음" → "AG"
-        btn_b_better  = gr.Button("B is better")    # "B가 더 좋음" → "BG"
-        btn_both_bad  = gr.Button("Both not good")  # "둘 다 별로임" → "BB"
+        btn_a_better   = gr.Button("A is better")     # "A가 더 좋음" → "AG"
+        btn_b_better   = gr.Button("B is better")     # "B가 더 좋음" → "BG"
+        btn_both_bad   = gr.Button("Both not good")   # "둘 다 별로임" → "BB"
     
-    # 선택된 statement 값을 보여주기 위한 출력 텍스트박스 (옵션)
+    # 선택된 평가값(statement)을 보여주는 텍스트박스
     statement_output = gr.Textbox(label="Selected Statement", value="", interactive=False)
     
-    # 대화를 불러오는 버튼
-    load_conversations_btn = gr.Button("Load Random Conversations")
-    
-    # 대화 불러오기 버튼 클릭 시 대화 상자 업데이트
-    load_conversations_btn.click(fn=load_random_conversations, inputs=[], outputs=[conversation_A, conversation_B])
-    
-    # 각 버튼 클릭 시 update_statement 함수를 호출하여 statement 값을 업데이트합니다.
+    # 각 평가 버튼 클릭 시 해당 상태값 업데이트
     btn_both_good.click(fn=lambda: update_statement("BG"), inputs=[], outputs=statement_output)
     btn_a_better.click(fn=lambda: update_statement("AG"), inputs=[], outputs=statement_output)
     btn_b_better.click(fn=lambda: update_statement("BG"), inputs=[], outputs=statement_output)