app.py

import gradio as gr
import numpy as np

# Apenas importa as bibliotecas necessárias para a interface
# As importações de joblib e os/os.path foram removidas, pois não são mais necessárias

# Dicionários de palavras para a lógica de classificação simples
PALAVRAS_POSITIVAS = ["bom", "ótimo", "excelente", "adorei", "perfeito", "recomendo"]
PALAVRAS_NEGATIVAS = ["ruim", "péssimo", "decepção", "terrível", "não gostei", "horrível"]

# Removemos a variável MODEL_PATH e a tentativa de carregar o modelo.
# O baseline agora é implicitamente None, mas a função abaixo lidará com a previsão.

def predict_sentiment(text: str):
    """
    Simula a previsão de sentimento baseada em palavras-chave (dummy).
    """
    if not text or text.strip() == "":
        return {"predição": "n/a", "confiança": 0.0}
    
    # Prepara o texto para análise
    texto_lower = text.lower()
    
    # 1. Contagem de palavras positivas e negativas
    pontos_pos = sum(1 for palavra in PALAVRAS_POSITIVAS if palavra in texto_lower)
    pontos_neg = sum(1 for palavra in PALAVRAS_NEGATIVAS if palavra in texto_lower)
    
    # 2. Lógica de Decisão
    if pontos_pos > pontos_neg:
        label = "positivo"
        # Confiança simples, baseada na diferença de pontos
        conf = float(0.5 + min(0.49, (pontos_pos - pontos_neg) * 0.1)) 
    elif pontos_neg > pontos_pos:
        label = "negativo"
        conf = float(0.5 + min(0.49, (pontos_neg - pontos_pos) * 0.1))
    else:
        # Neutro ou palavras não encontradas
        label = "n/a (neutro ou ambíguo)"
        conf = 0.5
        
    return {"predição": label, "confiança": round(conf, 4)}

demo = gr.Interface(
    fn=predict_sentiment,
    inputs=gr.Textbox(label="Digite uma avaliação de produto"),
    outputs=gr.JSON(label="Resultado"),
    title="Análise de Sentimentos (Simulada - Sem Modelo)",
    description="Este aplicativo roda sem o baseline_pipe.pkl, usando uma classificação simples por palavras-chave."
)

if __name__ == "__main__":
    demo.launch()