analyzer.py

import re
import os
import pymorphy3
from transformers import pipeline

morph = pymorphy3.MorphAnalyzer()

MODEL_PATH = "./"

try:
    if os.path.exists(MODEL_PATH):
        classifier = pipeline("sentiment-analysis", model=MODEL_PATH, tokenizer=MODEL_PATH)
    else:
        classifier = None
except:
    classifier = None


def analyze_sentiment(texts):
    if not classifier:
        return ["Нейтрально"] * len(texts)

    results = classifier([str(t)[:512] for t in texts])

    bad = ['ужас', 'обман', 'верните', 'плохо', 'дорого']
    good = ['супер', 'класс', '🔥', '❤️']

    final = []

    for i, res in enumerate(results):
        text = texts[i].lower()

        if 'label_1' in res['label'].lower():
            pred = 'Позитив'
        elif 'label_2' in res['label'].lower():
            pred = 'Негатив'
        else:
            pred = 'Нейтрально'

        if any(w in text for w in bad):
            pred = 'Негатив'

        if pred == 'Нейтрально' and any(w in text for w in good):
            pred = 'Позитив'

        final.append(pred)

    return final


def classify_theme(text):
    t = text.lower()

    if any(w in t for w in ['цена', 'билет', 'стоимость']):
        return 'Деньги'

    if any(w in t for w in ['когда', 'где']):
        return 'Логистика'

    return 'Общее'


def calculate_priority_score(row):
    text = str(row.get('comment_text', '')).lower()
    score = 1.0

    if len(text) > 80:
        score += 1

    if '?' in text:
        score += 1

    if any(w in text for w in ['цена', 'верните']):
        score += 2

    return min(score, 5)
def get_lemmas(text):
    """
    Совместимость со старым app.py
    """
    return text.lower().split()


def analyze_sentiment_single(text):
    """
    Обёртка для одного текста (для Streamlit/app.py)
    """
    result = analyze_sentiment([text])[0]
    return result