Update app.py

app.py

@@ -1,22 +1,41 @@
-from transformers import AutoTokenizer, AutoModelForSequenceClassification, pipeline
-import torch
+from transformers import pipeline
+from flask import Flask, request, jsonify
 
-# Загрузка модели и токенизатора
-model_id = "beyond/roberta-base-email-intent-classifier"
-tokenizer = AutoTokenizer.from_pretrained(model_id)
-model = AutoModelForSequenceClassification.from_pretrained(model_id)
+app = Flask(__name__)
 
-# pipeline с device="cpu" (или "cuda:0" если есть GPU)
-classifier = pipeline("text-classification", model=model, tokenizer=tokenizer, device=0 if torch.cuda.is_available() else -1)
+# Загружаем zero-shot классификатор
+classifier = pipeline("zero-shot-classification", model="typeform/distilbert-base-uncased-mnli")
 
-# Пример: классификация писем
-emails = [
-    "Спасибо за ваше письмо. Давайте созвонимся в пятницу.",
-    "К сожалению, мы не готовы сотрудничать в этом направлении.",
-    "А подскажите, пожалуйста, как вы работаете с B2B и есть ли у вас кейсы в финансовой сфере?"
-]
+# Гипотезы
+LABELS = {
+    "wants_meeting": "Клиент хочет назначить встречу или обсудить время",
+    "not_interested": "Клиент не заинтересован во встрече или у него нет времени",
+    "asking_questions": "Клиент задает уточняющие вопросы по теме"
+}
 
-results = classifier(emails)
+@app.route("/analyze", methods=["POST"])
+def analyze():
+    data = request.get_json()
+    emails = data.get("emails", [])
 
-for email, res in zip(emails, results):
-    print(f"Email: {email}\n→ Predicted intent: {res['label']} (confidence: {res['score']:.2f})\n")
+    if not emails or not isinstance(emails, list):
+        return jsonify({"error": "Field 'emails' must be a non-empty list"}), 400
+
+    results = []
+    for email in emails:
+        prediction = classifier(email, list(LABELS.values()), multi_label=True)
+        scored_labels = dict(zip(prediction["labels"], prediction["scores"]))
+
+        # Вывод в формате {label: score}
+        result = {
+            "text": email,
+            "intents": {
+                key: round(scored_labels[label], 4) for key, label in LABELS.items()
+            }
+        }
+        results.append(result)
+
+    return jsonify(results)
+
+if __name__ == "__main__":
+    app.run(host="0.0.0.0", port=7860)