Update app.py

app.py

@@ -8,7 +8,7 @@ from huggingface_hub import InferenceClient
 app = Flask(__name__)
 
 # =============================
-# Inicialização segura do Firebase
+# Inicialização do Firebase
 # =============================
 firebase_key = os.getenv("FIREBASE_KEY")
 if not firebase_key:
@@ -35,114 +35,109 @@ if not HF_TOKEN:
 client = InferenceClient(token=HF_TOKEN)
 
 # =============================
-# Mapeamento de emoções e sugestões
+# Função de mapeamento de emoções
 # =============================
-EMOTION_MAP = {
-    "joy": "alegria",
-    "sadness": "tristeza",
-    "anger": "raiva",
-    "fear": "medo",
-    "surprise": "surpresa",
-    "disgust": "desgosto",
-    "neutral": "neutro",
-    "depression": "depressão"
-}
-
-SUGESTOES = {
-    "tristeza": "Você parece triste. Tente conversar com alguém ou fazer algo que te acalme.",
-    "depressão": "Sinais de depressão detectados. Considere buscar apoio emocional ou profissional.",
-    "raiva": "Você demonstra raiva. Tente respirar fundo e dar um tempo antes de reagir.",
-    "alegria": "Continue fazendo o que te traz alegria!",
-    "medo": "Tente identificar a causa do medo e se apoiar em algo seguro.",
-    "surpresa": "Nem tudo é previsível — abrace o inesperado.",
-    "desgosto": "Talvez seja bom mudar o foco e pensar em algo que te faz bem.",
-    "neutro": "Você parece tranquilo no momento."
-}
+def map_emotion(label, score):
+    mapping = {
+        "joy": "alegria",
+        "sadness": "tristeza",
+        "anger": "raiva",
+        "fear": "medo",
+        "disgust": "nojo",
+        "surprise": "surpresa",
+        "neutral": "neutro",
+    }
+
+    # Mapeia para português
+    emotion_pt = mapping.get(label.lower(), "neutro")
+
+    # Identifica "depressão" quando tristeza for alta
+    if emotion_pt == "tristeza" and score >= 0.60:
+        emotion_pt = "depressão"
+
+    return emotion_pt
 
 # =============================
-# Função auxiliar
+# Sugestões baseadas na emoção
 # =============================
-def normalizar_probabilidades(results):
-    total = sum([r["score"] for r in results])
-    if total == 0:
-        return results
-    for r in results:
-        r["score"] = r["score"] / total
-    return results
+def get_suggestion(emotion):
+    suggestions = {
+        "alegria": "Continue aproveitando esse momento positivo! 😊",
+        "tristeza": "Tente conversar com alguém de confiança. 💬",
+        "depressão": "Você não está sozinho. Procure apoio emocional ou profissional. 💙",
+        "raiva": "Respire fundo e tente relaxar antes de reagir. 😤",
+        "medo": "Procure entender o que te causa medo e fale sobre isso. 💭",
+        "nojo": "Afaste-se do que está te incomodando e busque se acalmar. 🌿",
+        "surpresa": "Às vezes a vida nos surpreende de formas boas e ruins — reflita com calma. 🤔",
+        "neutro": "Você parece tranquilo no momento. 🌼",
+    }
+    return suggestions.get(emotion, "Cuide de você mesmo hoje. ❤️")
 
 # =============================
-# Rota principal /analyze
+# Rota de teste
+# =============================
+@app.route("/")
+def index():
+    return jsonify({"status": "online", "message": "API Flask funcionando com pysentimiento!"})
+
+# =============================
+# Rota principal de análise
 # =============================
 @app.route("/analyze", methods=["POST"])
 def analyze():
     try:
         data = request.get_json()
         if not data or "text" not in data:
-            return jsonify({"status": "error", "error": "Campo 'text' é obrigatório"}), 400
+            return jsonify({"error": "Campo 'text' é obrigatório"}), 400
 
         text = data["text"]
 
-        # Análise via modelo HF
+        # Chama o modelo de emoção do Hugging Face
         response = client.text_classification(
             text,
-            model="SamLowe/roberta-base-go_emotions"
+            model="pysentimiento/robertuito-emotion-analysis"
         )
 
-        results = normalizar_probabilidades(response)
-
-        probabilidades = {}
-        for item in results:
-            label = item["label"].lower()
-            score = round(item["score"], 4)
-
-            # Conversão e agrupamento manual
-            if label in ["sadness", "grief", "hopelessness"]:
-                label = "depression"
-            elif label == "anger":
-                label = "anger"
-            elif label == "joy":
-                label = "joy"
+        if not response or len(response) == 0:
+            raise ValueError("Resposta vazia da API do Hugging Face")
 
-            label_pt = EMOTION_MAP.get(label, "neutro")
-            probabilidades[label_pt] = probabilidades.get(label_pt, 0) + score
+        # Mapeia e organiza as probabilidades
+        probabilities = {}
+        for item in response:
+            label = item["label"]
+            score = round(float(item["score"]), 4)
+            emotion_pt = map_emotion(label, score)
+            probabilities[emotion_pt] = score
 
-        # Ajuste fino — se detectar tristeza forte, amplia depress��o
-        if probabilidades.get("tristeza", 0) > 0.4:
-            probabilidades["depressão"] = min(1.0, probabilidades.get("depressão", 0) + 0.3)
-
-        # Define principal emoção
-        principal = max(probabilidades, key=probabilidades.get)
-        sugestao = SUGESTOES.get(principal, "Mantenha o equilíbrio emocional.")
+        # Identifica a emoção dominante
+        dominant_emotion = max(probabilities, key=probabilities.get)
+        suggestion = get_suggestion(dominant_emotion)
 
         result = {
             "status": "ok",
-            "emotion": principal,
-            "emode": [principal],
-            "probabilities": probabilidades,
-            "suggestion": sugestao
+            "emotion": dominant_emotion,
+            "emode": list(probabilities.keys()),
+            "probabilities": probabilities,
+            "suggestion": suggestion,
         }
 
-        # Grava no Firestore
+        # Armazena no Firestore
         if db:
             db.collection("emotions").add({
                 "text": text,
-                "emotion": principal,
-                "probabilities": probabilidades
+                "emotion": dominant_emotion,
+                "probabilities": probabilities
             })
 
         return jsonify(result)
 
     except Exception as e:
         print(f"❌ Erro na rota /analyze: {e}")
-        return jsonify({
-            "status": "fallback",
-            "emotion": "neutro",
-            "emode": ["neutro"],
-            "suggestion": "Falha na análise. Fallback ativado.",
-            "debug": str(e)
-        }), 500
-
+        return jsonify({"error": str(e)}), 500
 
+# =============================
+# Inicialização do servidor
+# =============================
 if __name__ == "__main__":
     port = int(os.environ.get("PORT", 7860))
     app.run(host="0.0.0.0", port=port, debug=False)