Projeto de Análise de Reclamações e Sentimento

Projeto educacional, desenvolvido em parceria (backend + frontend), com o objetivo de estudar:

• Criação de APIs com Flask
• Leitura e filtragem de dados com Pandas
• Análise de sentimento usando Transformers (Hugging Face)
• Integração backend + frontend

O backend expõe rotas que permitem consultar reclamações de uma empresa a partir de um arquivo CSV e realizar uma análise de sentimento sobre essas reclamações.

---

📁 Estrutura do Projeto

BACK-END/
│
├── analyzer/
│   ├── __init__.py
│   └── analyzer.py
│
├── data/
│   └── basecompleta2025-12.csv
│
├── app.py
├── requirements.txt
└── README.md

---

⚙️ Tecnologias Utilizadas

• Python 3.10+
• Flask — API REST
• Pandas — Manipulação de dados
• Transformers (Hugging Face) — Análise de sentimento
• nlptown/bert-base-multilingual-uncased-sentiment — Modelo de NLP

---

🚀 Como Executar o Projeto

1️⃣ Clonar o repositório

git clone https://github.com/MarcosDasp/FlaskBackEnd
cd FlaskBackEnd

2️⃣ Criar e ativar o ambiente virtual

python -m venv venv

# Windows
venv\Scripts\activate

# Linux / Mac
source venv/bin/activate

3️⃣ Instalar as dependências

pip install -r requirements.txt

⚠️ Observação: O primeiro uso da análise de sentimento pode demorar, pois o modelo será baixado automaticamente.

4️⃣ Baixar o arquivo de dados

Para baixar o arquivo com os dados acesse o link abaixo:

https://dados.mj.gov.br/dataset/reclamacoes-do-consumidor-gov-br

É recomendado baixar a versão mais recente, porém fica ao critério do usuário.

Após baixar o arquivo, garanta que ele esteja na pasta data.

data/basecompleta2025-12.csv

Caso o nome seja diferente, atualizar a variavél CSV_PATH no arquivo analyzer.py.

Também é importante garantir que ele possui, no mínimo, as colunas:

• Nome Fantasia
• Problema

5️⃣ Executar a aplicação

python app.py

A API ficará disponível em:

http://localhost:5000

---

📡 Documentação da API

🔹 POST /complaints

Retorna uma amostra de reclamações de uma empresa específica.

📥 Request

• Method: POST
• Content-Type: application/json

{
  "EMPRESA_ALVO": "Nome da Empresa"
}

📤 Response (200)

{
  "data": [
    {
      "Nome Fantasia": "Empresa Exemplo",
      "Problema": "Descrição da reclamação",
      "...": "Outros campos do CSV"
    }
  ]
}

❌ Response (404)

{
  "error": "Erro ao consultar empresa",
  "detail": "Nenhuma reclamação encontrada para a empresa 'Empresa X'."
}

---

🔹 POST /analyze

Executa a análise de sentimento das reclamações de uma empresa e retorna um índice de satisfação.

📥 Request

{
  "EMPRESA_ALVO": "Nome da Empresa"
}

📤 Response (200)

{
  "empresa": "Nome da Empresa",
  "classificacao": "positiva | neutra | negativa",
  "indice_satisfacao": "0.42"
}

📊 Como funciona a classificação

• O modelo retorna notas de 1 a 5 estrelas
• Conversão usada:
  • 1–2 estrelas: Negativo
  • 3 estrelas: Neutro
  • 4–5 estrelas: Positivo

O índice de satisfação é calculado como:

(quantidade_positivos - quantidade_negativos) / total

---

🧠 Observações Técnicas

• A amostra padrão é limitada a 200 reclamações por empresa
• O filtro por empresa usa str.contains, portanto não exige nome exato
• O projeto não possui autenticação, pois é voltado exclusivamente para fins educacionais

---

📄 Licença

Projeto de uso livre para estudos e aprendizado.