app.py

"""
Aplicação Gradio para Detecção de Clickbait em Português
Autor: Detector Clickbait BR
"""

import gradio as gr
import pickle
import re
import numpy as np
import nltk
from nltk.corpus import stopwords

# Baixar recursos NLTK
try:
    stopwords.words('portuguese')
except LookupError:
    nltk.download('stopwords')

# Carregar modelo e transformadores
print("📦 Carregando modelo e transformadores...")
with open('models/melhor_modelo.pkl', 'rb') as f:
    modelo = pickle.load(f)

with open('data/processed/tfidf_vectorizer.pkl', 'rb') as f:
    tfidf_vectorizer = pickle.load(f)

with open('data/processed/scaler.pkl', 'rb') as f:
    scaler = pickle.load(f)

print("✅ Modelo carregado com sucesso!")

# Configurar preprocessamento
stop_words = set(stopwords.words('portuguese'))

def preprocessar_texto(texto):
    """Preprocessa texto para predição."""
    texto = texto.lower()
    texto_limpo = re.sub(r'[^\w\s]', ' ', texto)
    palavras = texto_limpo.split()
    palavras_filtradas = [palavra for palavra in palavras if palavra not in stop_words and palavra.strip()]
    return ' '.join(palavras_filtradas)

def extrair_features_numericas(texto):
    """Extrai features numéricas do texto."""
    word_count = len(texto.split())
    char_count = len(texto)
    exclamation_count = texto.count('!')
    question_count = texto.count('?')
    return [word_count, char_count, exclamation_count, question_count]

def prever_clickbait(texto):
    """Prediz se uma manchete é clickbait ou não."""
    if not texto.strip():
        return "❌ Por favor, digite uma manchete!", "", ""
    
    # Extrair features numéricas
    features_numericas = extrair_features_numericas(texto)
    
    # Preprocessar texto
    texto_processado = preprocessar_texto(texto)
    
    # Vetorizar com TF-IDF
    tfidf_features = tfidf_vectorizer.transform([texto_processado]).toarray()
    
    # Normalizar features numéricas
    features_numericas_scaled = scaler.transform([features_numericas])
    
    # Combinar features
    features_final = np.hstack([tfidf_features, features_numericas_scaled])
    
    # Fazer predição
    predicao = modelo.predict(features_final)[0]
    
    # Probabilidade
    try:
        probabilidade = modelo.predict_proba(features_final)[0]
        prob_nao_clickbait = float(probabilidade[0])
        prob_clickbait = float(probabilidade[1])
    except:
        prob_nao_clickbait = 0.5
        prob_clickbait = 0.5
    
    # Resultado
    if predicao == 1:
        resultado = f"❌ **CLICKBAIT**\n\nConfiança: {prob_clickbait*100:.1f}%"
        cor = "🔴"
    else:
        resultado = f"✅ **NÃO-CLICKBAIT**\n\nConfiança: {prob_nao_clickbait*100:.1f}%"
        cor = "🟢"
    
    # Probabilidades
    prob_texto = f"""
📊 **Probabilidades:**
• Não-Clickbait: {prob_nao_clickbait*100:.1f}%
• Clickbait: {prob_clickbait*100:.1f}%
"""
    
    # Features
    features_texto = f"""
📈 **Features Extraídas:**
• Palavras: {features_numericas[0]}
• Caracteres: {features_numericas[1]}
• Exclamações: {features_numericas[2]}
• Interrogações: {features_numericas[3]}
"""
    
    return resultado, prob_texto, features_texto

# Exemplos
exemplos = [
    ["Banco Central anuncia nova taxa de juros"],
    ["Você não vai acreditar no que esse cachorro fez!"],
    ["Governo aprova reforma tributária no Congresso"],
    ["DESCUBRA o segredo para emagrecer 10kg em 7 dias!!!"],
    ["Estudo da USP revela novos dados sobre mudanças climáticas"]
]

# Interface Gradio
interface = gr.Interface(
    fn=prever_clickbait,
    inputs=gr.Textbox(
        label="📝 Digite a manchete",
        placeholder="Ex: Você não vai acreditar no que aconteceu!",
        lines=3
    ),
    outputs=[
        gr.Markdown(label="🎯 Predição"),
        gr.Markdown(label="📊 Probabilidades"),
        gr.Markdown(label="📈 Features")
    ],
    title="🔍 Detector de Clickbait BR",
    description="""
    ### Identifica manchetes clickbait em notícias em português
    
    Esta aplicação usa Machine Learning para classificar manchetes como **Clickbait** ou **Não-Clickbait**.
    
    **Como funciona:**
    1. Digite ou cole uma manchete
    2. O modelo analisa texto, pontuação e características linguísticas
    3. Retorna a classificação com probabilidades
    
    **Exemplos para testar estão abaixo! ⬇️**
    """,
    examples=exemplos,
    flagging_mode="never"
)

if __name__ == "__main__":
    print("\n" + "="*80)
    print("🚀 GRADIO - DETECTOR DE CLICKBAIT")
    print("="*80)
    print("\n💡 Interface será aberta no navegador")
    print("="*80 + "\n")
    
    interface.launch(share=False)