🚚 Movendo backend FastAPI para subpasta para ativar Gradio

app.py

@@ -1,19 +1,22 @@
+
 import gradio as gr
 import pandas as pd
 from transformers import pipeline
 import uuid
 
+# 🔍 Carrega modelo do Hugging Face
 modeloHF = "ViniciusKhan/bert-nps-feedback-analyzer"
 sentiment_pipeline = pipeline("text-classification", model=modeloHF)
 
-# Análise de texto simples
+# 🧠 Função de inferência para texto simples
 def analisar_sentimento(texto):
+    texto = texto.lower()  # Normaliza para evitar sensibilidade a maiúsculas
     resultado = sentiment_pipeline([texto[:512]])[0]
     sentimento = resultado["label"]
     confianca = round(resultado["score"], 4)
-    return f"Sentimento: {sentimento}\nConfiança: {confianca}"
+    return f"🔹 Sentimento: {sentimento}\n🔹 Confiança: {confianca}"
 
-# Análise de Excel com geração de download
+# 🧠 Função de inferência para planilhas
 def analisar_arquivo(file):
     try:
         df = pd.read_excel(file.name)
@@ -23,35 +26,42 @@ def analisar_arquivo(file):
     if "Resumo" not in df.columns:
         return "❌ A coluna obrigatória 'Resumo' não foi encontrada.", None
 
-    textos = df["Resumo"].fillna("").astype(str).str[:512].tolist()
+    textos = df["Resumo"].fillna("").astype(str).str.lower().str[:512].tolist()
     resultados = sentiment_pipeline(textos, truncation=True)
 
     df["Sentimento_Class"] = [r["label"] for r in resultados]
     df["Confianca"] = [round(r["score"], 4) for r in resultados]
 
-    # Salvar novo arquivo
     nome_saida = f"/tmp/resultado_sentimento_{uuid.uuid4().hex[:8]}.xlsx"
     df.to_excel(nome_saida, index=False)
 
     return df, nome_saida
 
-
-# 🎛️ Interface Gradio
+# 🎨 Interface Gradio com layout aprimorado
 with gr.Blocks(title="Senticore – Análise de Sentimentos NPS") as demo:
-    gr.Markdown("# 🤖 Senticore – Análise de Sentimentos NPS")
-    gr.Markdown("Classificador inteligente baseado em BERT para identificar sentimentos em textos de feedback e NPS.")
+    gr.Markdown(
+        """
+        <h1 style='text-align: center; color: #00A86B;'>🤖 Senticore</h1>
+        <p style='text-align: center;'>Classificador BERT inteligente para análise de sentimentos em feedbacks NPS</p>
+        """)
+
+    with gr.Tab("📝 Texto Individual"):
+        with gr.Row():
+            entrada_texto = gr.Textbox(lines=5, label="Texto do cliente", placeholder="Cole aqui o feedback...")
+        with gr.Row():
+            botao_texto = gr.Button("🔍 Analisar")
+        with gr.Row():
+            saida_texto = gr.Textbox(label="Resultado da Análise", lines=2)
 
-    with gr.Tab("📝 Texto Único"):
-        entrada_texto = gr.Textbox(lines=6, label="Cole aqui o feedback do cliente...")
-        saida_texto = gr.Textbox(label="Resultado", lines=2)
-        botao_texto = gr.Button("🔍 Analisar Sentimento")
         botao_texto.click(analisar_sentimento, entrada_texto, saida_texto)
 
-    with gr.Tab("📂 Arquivo Excel"):
-        entrada_arquivo = gr.File(file_types=[".xlsx"], label="Selecione um arquivo Excel (.xlsx)")
-        saida_tabela = gr.Dataframe(label="Resultado da Análise", interactive=False)
-        download_link = gr.File(label="📥 Baixe o Excel Analisado")
-        botao_excel = gr.Button("📊 Processar Arquivo")
+    with gr.Tab("📂 Lote via Excel"):
+        gr.Markdown("💡 O arquivo deve conter uma coluna chamada **Resumo** com os textos a serem analisados.")
+
+        entrada_arquivo = gr.File(file_types=[".xlsx"], label="📁 Envie um arquivo Excel")
+        botao_excel = gr.Button("📊 Analisar Arquivo")
+        saida_tabela = gr.Dataframe(label="📄 Tabela com Sentimentos", interactive=False)
+        download_link = gr.File(label="📥 Download do Excel Processado")
 
         botao_excel.click(
             fn=analisar_arquivo,