コメント文を変更

app.py

@@ -5,7 +5,7 @@ from tfidf_calculator import JapaneseTextVectorizer
 from cosine_similarity_calculator import CosineSimilarityCalculator
 from summerizer import TextSummarizer
 
-st.title("ニュース検索アプリ")
+st.title("最新ニュース要約アプリ")
 
 # 初期化
 best_article_text = None
@@ -60,9 +60,9 @@ if st.session_state['news_fetched']:
                         result_word_similarity = word_similarity.calculate_similarity(search_word, article_keyword_list)
 
                         if result_word_similarity is None:
-                            raise ValueError("類似度計算結果がNoneです。名詞を変更して再度試してください。")
+                            raise ValueError("単語の類似度を計算できませんでした。名詞を変更して再度試してください。")
 
-                        # None でない値のみを抽出
+                        # cos類似度の計算結果
                         filtered_data = {k: v for k, v in result_word_similarity.items() if v is not None}
 
                         # 最大値を持つキーとその値を取得

cosine_similarity_calculator.py

@@ -52,7 +52,7 @@ class CosineSimilarityCalculator:
         - search_word (str): 検索ワード
         - article_keyword_list (list): 記事のキーワードリスト
         Returns:
-        - similarities (dict): 記事キーワードとそれぞれの検索ワードのコサイン類似度を含む辞書を作成。
+        - similarities (dict): 記事キーワードとそれぞれの検索ワードのコサイン類似度を含むdictを作成。
                                モデルにない単語の場合はNoneを返す
         """
         # 検索ワードの埋め込みベクトルを取得
@@ -62,7 +62,7 @@ class CosineSimilarityCalculator:
             return None
 
         similarities = {}
-        # 記事キーワードの埋め込みベクトルを取得し、コサイン類似度を計算
+        # 記事キーワードの埋め込みベクトルを取得し、cos類似度を計算
         for keyword in article_keyword_list:
             if keyword in self.model.wv:
                 keyword_embedding = self.model.wv[keyword]