Spaces:
Sleeping
Sleeping
Update app.py
Browse files
app.py
CHANGED
|
@@ -3,31 +3,55 @@ import joblib
|
|
| 3 |
import numpy as np
|
| 4 |
import os
|
| 5 |
|
|
|
|
| 6 |
MODEL_PATH = os.getenv("MODEL_PATH", "baseline_pipe.pkl")
|
| 7 |
|
|
|
|
| 8 |
baseline = None
|
| 9 |
if os.path.exists(MODEL_PATH):
|
| 10 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
| 11 |
else:
|
| 12 |
-
print(f"Aviso: modelo '{MODEL_PATH}' não encontrado.
|
| 13 |
|
| 14 |
def predict_sentiment(text: str):
|
|
|
|
|
|
|
|
|
|
|
|
|
| 15 |
if not text or text.strip() == "":
|
| 16 |
return {"predição": "n/a", "confiança": 0.0}
|
|
|
|
|
|
|
| 17 |
if baseline is None:
|
| 18 |
-
|
|
|
|
|
|
|
|
|
|
| 19 |
proba = baseline.predict_proba([text])[0]
|
| 20 |
pred = int(np.argmax(proba))
|
| 21 |
label = "positivo" if pred == 1 else "negativo"
|
| 22 |
conf = float(np.max(proba))
|
| 23 |
-
return {"predição": label, "confiança": conf}
|
| 24 |
|
|
|
|
| 25 |
demo = gr.Interface(
|
| 26 |
fn=predict_sentiment,
|
| 27 |
inputs=gr.Textbox(label="Digite uma avaliação de produto"),
|
| 28 |
outputs=gr.JSON(label="Resultado"),
|
| 29 |
-
title="Análise de Sentimentos (Amazon Polarity)",
|
| 30 |
-
description=
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 31 |
)
|
| 32 |
|
| 33 |
if __name__ == "__main__":
|
|
|
|
| 3 |
import numpy as np
|
| 4 |
import os
|
| 5 |
|
| 6 |
+
# Caminho padrão do modelo
|
| 7 |
MODEL_PATH = os.getenv("MODEL_PATH", "baseline_pipe.pkl")
|
| 8 |
|
| 9 |
+
# Tenta carregar o modelo treinado
|
| 10 |
baseline = None
|
| 11 |
if os.path.exists(MODEL_PATH):
|
| 12 |
+
try:
|
| 13 |
+
baseline = joblib.load(MODEL_PATH)
|
| 14 |
+
print(f"✅ Modelo carregado com sucesso: {MODEL_PATH}")
|
| 15 |
+
except Exception as e:
|
| 16 |
+
print(f"⚠️ Erro ao carregar o modelo '{MODEL_PATH}': {e}")
|
| 17 |
else:
|
| 18 |
+
print(f"⚠️ Aviso: arquivo de modelo '{MODEL_PATH}' não encontrado. Executando em modo demonstração.")
|
| 19 |
|
| 20 |
def predict_sentiment(text: str):
|
| 21 |
+
"""
|
| 22 |
+
Realiza a predição de sentimento (positivo/negativo) ou simula resposta
|
| 23 |
+
se o modelo não estiver carregado.
|
| 24 |
+
"""
|
| 25 |
if not text or text.strip() == "":
|
| 26 |
return {"predição": "n/a", "confiança": 0.0}
|
| 27 |
+
|
| 28 |
+
# Caso o modelo não esteja disponível
|
| 29 |
if baseline is None:
|
| 30 |
+
fake_pred = "positivo" if "bom" in text.lower() else "negativo"
|
| 31 |
+
return {"predição": f"(simulado) {fake_pred}", "confiança": 0.0}
|
| 32 |
+
|
| 33 |
+
# Predição real
|
| 34 |
proba = baseline.predict_proba([text])[0]
|
| 35 |
pred = int(np.argmax(proba))
|
| 36 |
label = "positivo" if pred == 1 else "negativo"
|
| 37 |
conf = float(np.max(proba))
|
| 38 |
+
return {"predição": label, "confiança": round(conf, 4)}
|
| 39 |
|
| 40 |
+
# Interface Gradio
|
| 41 |
demo = gr.Interface(
|
| 42 |
fn=predict_sentiment,
|
| 43 |
inputs=gr.Textbox(label="Digite uma avaliação de produto"),
|
| 44 |
outputs=gr.JSON(label="Resultado"),
|
| 45 |
+
title="🛍️ Análise de Sentimentos (Amazon Polarity)",
|
| 46 |
+
description=(
|
| 47 |
+
"Classificador TF-IDF + Regressão Logística. "
|
| 48 |
+
"Caso o arquivo baseline_pipe.pkl não esteja presente, o sistema usa modo simulado."
|
| 49 |
+
),
|
| 50 |
+
theme="soft",
|
| 51 |
+
examples=[
|
| 52 |
+
["Este produto é incrível, recomendo muito!"],
|
| 53 |
+
["Horrível, que desperdício de dinheiro."]
|
| 54 |
+
],
|
| 55 |
)
|
| 56 |
|
| 57 |
if __name__ == "__main__":
|