Update app.py

app.py

@@ -33,7 +33,7 @@ def analyze_text():
         model = AutoModelForSequenceClassification.from_pretrained(model_name)
         emotion_classifier = pipeline("text-classification", tokenizer=tokenizer, model=model, return_all_scores=True)
         
-        line_emotions = analyze_lines_emotions(lines, emotion_classifier, threshold=0.5)
+        line_emotions = analyze_lines_emotions(lines, emotion_classifier, threshold=0.3)
         
         # 4. Выбор лучших цитат по настроению
         quotes_by_mood = get_best_quotes_by_mood(line_emotions)
@@ -65,7 +65,7 @@ def split_into_lines(text):
     lines = text.strip().split('\n')
     return lines
 
-def analyze_lines_emotions(lines, emotion_classifier, threshold=0.5):
+def analyze_lines_emotions(lines, emotion_classifier, threshold=0.3):
     # Словарь для перевода эмоций на русский язык
     emotion_translation = {
         "admiration": "восхищение",
@@ -94,10 +94,29 @@ def analyze_lines_emotions(lines, emotion_classifier, threshold=0.5):
         "relief": "облегчение",
         "remorse": "раскаяние",
         "sadness": "печаль",
-        "surprise": "удивление",
-        "neutral": "нейтрально"
+        "surprise": "удивление"
     }
 
+    # Список эмоций для исключения
+    excluded_emotions = [
+        "развлечение",
+        "одобрение",
+        "забота",
+        "замешательство",
+        "любопытство",
+        "желание",
+        "неодобрение",
+        "отвращение",
+        "смущение",
+        "волнение",
+        "благодарность",
+        "нервозность",
+        "гордость",
+        "осознание",
+        "облегчение",
+        "раскаяние"
+    ]
+
     results = []
     for line in lines:
         if not line.strip():
@@ -107,7 +126,12 @@ def analyze_lines_emotions(lines, emotion_classifier, threshold=0.5):
         for pred in predictions:
             emotion_label = pred['label']
             emotion_label_ru = emotion_translation.get(emotion_label, emotion_label)
+            # Пропускаем эмоции из списка исключения
+            if emotion_label_ru in excluded_emotions or emotion_label == "neutral":
+                continue
             emotions[emotion_label_ru] = round(float(pred['score']), 3)
+        if not emotions:
+            continue  # Если нет эмоций для рассмотрения, пропускаем строку
         # Определяем доминирующую эмоцию
         dominant_emotion = max(emotions, key=emotions.get)
         dominant_score = emotions[dominant_emotion]