🌟 Sentiment Analysis App

📖 Sobre o Projeto

Esta aplicação interativa permite analisar sentimentos a partir de frases fornecidas. Ideal para quem deseja explorar o impacto emocional de suas palavras!

✨ Funcionalidades

• Envio de Frases: Insira uma frase e descubra o sentimento predominante.
• Visual Dinâmico:
  • 📊 Gráfico Interativo: Exibe a porcentagem de sentimentos (positivo, neutro e negativo).
  • 😃 Emojis: Mostra o sentimento predominante de forma visual.
• Treinamento Personalizado: Ajuste o modelo com seus próprios dados usando o notebook disponibilizado.
  • 😃 Dados Utilizados: Frases específicas para suporte de TI.
  • 😃 Modelagens propostas: Diversos ajustes de modelos foram feitos a título de conhecimentos: Ajustes na Tokenização, Kfold, Sistema de Votação.

---

🛠️ Tecnologias Utilizadas

Backend

• 🐍 Python: Linguagem de programação principal.
• 🌐 Flask: Framework para API e servidor web.
• 🤖 Scikit-learn: Modelo de Machine Learning para análise de sentimentos.

Frontend

• 🎨 Bootstrap: Para estilização e responsividade.
• 📈 Plotly: Gráficos interativos dinâmicos.

---

📂 Estrutura do Projeto

flask-sentiment-analysis/
├── app/
│   ├── static/                # Arquivos estáticos (CSS, JS).
│   ├── templates/             # Templates HTML.
│   ├── api.py                 # Código da API Flask.
│   ├── __init__.py            # Inicialização da aplicação Flask.
├── model/
│   ├── sentiment_model.pkl    # Modelo treinado.
│   ├── vectorizer.pkl         # Vetorizador treinado.
├── data/
│   ├── training_data.csv      # Dados de treinamento.
├── notebooks/
│   ├── sentiment_training.ipynb  # Notebook para treinamento do modelo.
├── requirements.txt           # Dependências do projeto.
├── app.py                     # Arquivo principal para rodar o Flask.

---

🚀 Como Executar

Pré-requisitos

• Python 3.8 ou superior
• Ambiente virtual recomendado (venv)

Passos

1. Clone o repositório:

   git clone https://github.com/seu-usuario/flask-sentiment-analysis.git
   cd flask-sentiment-analysis

2. Crie e ative o ambiente virtual:

   python -m venv venv
   source venv/bin/activate  # Linux/MacOS
   venv\Scripts\activate     # Windows

3. Instale as dependências:

   pip install -r requirements.txt

4. Execute a aplicação:

   python app.py

5. Acesse no navegador:

   http://127.0.0.1:5000
   

---

🔧 Como Treinar o Modelo

1. Navegue até o diretório notebooks/.
2. Abra o notebook sentiment_training.ipynb em um ambiente Jupyter ou VSCode.
3. Siga as instruções no notebook para treinar o modelo e salvar os arquivos necessários (sentiment_model.pkl e vectorizer.pkl).

---

🤝 Contribuições

Contribuições são bem-vindas! Se tiver sugestões ou encontrar problemas, sinta-se à vontade para abrir uma issue ou enviar um pull request.

---

📜 Licença

Este projeto está licenciado sob a licença MIT. Consulte o arquivo LICENSE para mais informações.

---

💻 Demonstração

Tela Inicial

Resultado de Análise