Update app.py

app.py

@@ -3,6 +3,7 @@ from transformers import pipeline
 import time
 import pandas as pd
 from datetime import datetime
+import numpy as np
 
 # Загружаем модель для тематической классификации
 # Используем zero-shot классификатор, который не требует предобучения на конкретных темах
@@ -63,12 +64,16 @@ def classify_topic(text, show_top_n=3):
         # Форматируем результаты
         output_text = f"📊 **Тематическая классификация:**\n\n"
         
-        # Берем топ-N результатов
-        top_indices = results['scores'].argsort()[-show_top_n:][::-1]
+        # Получаем списки тем и оценок
+        labels = results['labels']
+        scores = results['scores']
         
-        for i, idx in enumerate(top_indices, 1):
-            topic = results['labels'][idx]
-            score = results['scores'][idx] * 100
+        # Сортируем по убыванию оценок и берем топ-N
+        sorted_indices = np.argsort(scores)[::-1][:show_top_n]
+        
+        for i, idx in enumerate(sorted_indices, 1):
+            topic = labels[idx]
+            score = scores[idx] * 100
             description = TOPIC_DESCRIPTIONS.get(topic, topic)
             
             # Прогресс-бар
@@ -83,12 +88,12 @@ def classify_topic(text, show_top_n=3):
         
         # Сохраняем в историю
         timestamp = datetime.now().strftime("%H:%M:%S")
-        top_topic = results['labels'][top_indices[0]]
+        top_topic = labels[sorted_indices[0]]
         history.insert(0, {
             'time': timestamp,
             'text': text[:50] + ("..." if len(text) > 50 else ""),
             'topic': TOPIC_DESCRIPTIONS.get(top_topic, top_topic),
-            'confidence': f"{results['scores'][top_indices[0]]*100:.1f}%"
+            'confidence': f"{scores[sorted_indices[0]]*100:.1f}%"
         })
         
         # Ограничиваем историю