✅ 결과물 클릭

🎬 HuggingFace 감성분석 영화 리뷰 앱 (Streamlit + FastAPI)

영화 등록 + 리뷰 작성을 웹에서 처리하고,
리뷰가 저장되는 순간 HuggingFace 감성분석이 자동실행되어 결과(라벨/점수)까지 함께 보여주는
end-to-end 서비스 구조를 완성했습니다.

• 프론트엔드: Streamlit
• 백엔드: FastAPI
• 감성분석: Hugging Face Transformers 기반 한국어 감성분석 모델(safetensors 로딩)
• 데이터 저장: SQLite(로컬), 배포 시 환경에 따라 변경 가능

---

🧭 서비스 구조도 (Frontend ↔ Backend ↔ DB ↔ Sentiment)

flowchart TB
    U["사용자"]
    FE["Streamlit Frontend<br/>- 영화 목록/추가<br/>- 리뷰 작성<br/>- 최근 리뷰 20개"]
    BE["FastAPI Backend<br/>- Movies CRUD<br/>- Reviews CRUD<br/>- Sentiment 분석<br/>- 평점(평균) 계산"]
    DB["SQLite DB<br/>Movies / Reviews"]
    HF["HuggingFace Sentiment Model<br/>(transformers + safetensors)"]

    U --> FE
    FE -->|HTTP 요청| BE
    BE --> DB
    BE --> HF
    BE -->|JSON 응답| FE

Loading

---

🗺️ 프로젝트 동작 흐름

flowchart LR
    A["영화 등록<br/>(title, date, director, genre, poster_url)"] --> B["영화 목록 출력<br/>(포스터 포함)"]
    B --> C["리뷰 작성<br/>(movie 선택 + author + content)"]
    C --> D["감성분석 자동 실행<br/>(HuggingFace)"]
    D --> E["리뷰 저장<br/>(label, score 포함)"]
    E --> F["최근 리뷰 20개 출력<br/>(영화 제목 + 감성결과)"]

Loading

✅ 주요 기능

1. 영화 관리 (FastAPI)

• 영화 등록: 제목, 개봉일, 감독, 장르, 포스터 URL
• 영화 목록/상세 조회
• 영화 삭제

2. 리뷰 관리 (FastAPI)

• 리뷰 등록: 작성자, 리뷰 내용, 영화 선택
• 리뷰 조회:
  • 전체 리뷰(최근 N개)
  • 특정 영화 리뷰
• 리뷰 삭제

3. 감성분석 자동 실행

• 리뷰 작성 시 백엔드에서 자동으로 감성분석 수행
• 결과 저장:
  • sentiment_label (POSITIVE/NEGATIVE/ERR)
  • sentiment_score (0~1)

4. 평점 조회

• 영화별 리뷰 감성 점수의 평균으로 “평점” 제공

---

🔍 데이터베이스 구조 (ERD)

erDiagram
    MOVIES ||--o{ REVIEWS : has

    MOVIES {
        int id PK
        string title
        string release_date
        string director
        string genre
        string poster_url
        datetime created_at
    }

    REVIEWS {
        int id PK
        int movie_id FK
        string author
        string content
        string sentiment_label
        float sentiment_score
        datetime created_at
    }

Loading

---

🚀 로컬 실행 방법

1. 백엔드 실행 (FastAPI)

cd backend
python -m venv .venv
source .venv/bin/activate

pip install -r requirements.txt
uvicorn app.main:app --reload --port 8000

FastAPI Docs: http://localhost:8000/docs

2. 프론트 실행 (Streamlit)

cd frontend
python -m venv .venv
source .venv/bin/activate

pip install -r requirements.txt
streamlit run app.py

Streamlit: http://localhost:8501

---

☁️ 배포 ① Render (FastAPI 백엔드)

• 핵심:

  • Render에서는 host=0.0.0.0 + port=$PORT 로 띄워야 합니다.
  • uvicorn이 backend/requirements.txt에 포함되어 있어야 합니다.

• Render 설정값

  • Service Type: Web Service
  • Root Directory: backend

• Build Command:

pip install -r requirements.txt

• Start Command:

uvicorn app.main:app --host 0.0.0.0 --port $PORT

• 배포가 완료되면 Render가 아래의 형태 URL을 출력해 줍니다.

  • 예시: https://xxxx.onrender.com

• ✅ 배포 확인:

  • https://huggingface-sentiment-streamlit-fastapi.onrender.com/docs
  • Render 무료 플랜이라 슬립이 있을 수 있어서 첫 요청이 느릴 수 있습니다^^;

☁️ 배포 ② Streamlit Community Cloud (프론트)

1. Streamlit Cloud 설정

• Main file path: frontend/app.py

2. Secrets에 BACKEND_URL 넣기

• Streamlit Cloud → App settings → Secrets에 아래를 그대로 붙여넣기:

BACKEND_URL="https://huggingface-sentiment-streamlit-fastapi.onrender.com"

3. 프론트 코드(환경변수/시크릿 자동 대응)

import os
import streamlit as st

BACKEND_URL = st.secrets.get("BACKEND_URL", os.getenv("BACKEND_URL", "http://localhost:8000"))

---

🤖 감성분석 모델 적용 방식

리뷰 등록 시, 사용자가 기다리지 않게 하기 위해

• FastAPI에서 모델을 1회 로딩(캐싱) 후 재사용
• 리뷰 저장 시점에 감성분석을 수행하고 DB에 함께 저장

또한 개발 과정에서

• 환경/의존성 문제로 모델 로딩이 실패할 수 있었고,
• 서비스가 500으로 죽는 것을 막기 위해 fallback(ERR, 0.0)을 적용했습니다.

---

🧯 개발 과정에서 겪은 오류 & 해결 기록

1. Streamlit → FastAPI 연결 오류 (Connection refused)

• 증상: /movies 호출 시 Connection refused
• 원인: FastAPI 미실행 / 포트 불일치 / 배포 환경에서 localhost 사용
• 해결: 백엔드를 먼저 실행 + 배포 시 BACKEND_URL을 secrets로 분리

2. 리뷰 등록 시 500 (Internal Server Error)

• 증상: 리뷰 등록 시 서버 내부 에러
• 원인: 감성분석 모델 로딩/의존성 문제로 예외 발생
• 해결: safetensors 로딩 + fallback 로직으로 서비스 안정화

3. NumPy 호환 경고

• 증상: NumPy 2.x 호환 경고로 torch import 시 경고/불안정
• 해결: numpy<2로 핀 고정하여 안정화

✅ 백엔드 Render URL: https://huggingface-sentiment-streamlit-fastapi.onrender.com ✅ 프론트 Streamlit URL: https://huggingfacesentimentappfastapi-y66azogspdp9gohrzrfxrr.streamlit.app/