📧 Email Classifier

Um sistema simples e eficiente para classificação automática de emails e sugestão de respostas, utilizando modelos da Hugging Face com interface web em Flask.

---

📂 Estrutura do Projeto

email-classifier/
├── src/
│   ├── app.py          # Backend principal (Flask)
│   ├── templates/
│   │   └── index.html  # Interface web (HTML)
│   └── static/
│       ├── style.css   # Estilos customizados (CSS)
│       └── script.js   # Loader no botão (JavaScript)
├── requirements.txt    # Dependências Python
└── README.md           # Documentação

---

✅ Requisitos

• Python 3.8+ (recomendado 3.10+)
• Pip para instalar dependências
• Conexão com internet (para baixar os modelos Hugging Face na primeira execução)

---

⚙️ Instalação

1. Clone ou baixe este repositório:

   git clone https://github.com/seuusuario/email-classifier.git
   cd email-classifier

2. Crie e ative um ambiente virtual (opcional, mas recomendado):

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

3. Instale as dependências:

   pip install -r requirements.txt

---

▶️ Como Executar

No terminal, dentro da pasta raiz do projeto, execute:

python src/app.py

A aplicação ficará disponível em:

👉 http://127.0.0.1:5000/

---

💡 Como Usar

1. Insira o texto do email diretamente no campo de texto ou faça upload de um arquivo .txt ou .pdf.

2. Clique em Classificar e Sugerir Resposta.

3. Aguarde o processamento (um spinner será exibido no botão).

4. Veja:

   • Classificação do email
   • Nível de confiança da classificação
   • Idioma detectado
   • Resposta automática sugerida

5. Edite a resposta sugerida antes de copiar ou enviar (se desejar).

---

🛠️ Tecnologias Utilizadas

• Backend: Python, Flask

• NLP/IA: Hugging Face Transformers

  • facebook/bart-large-mnli → Classificação
  • t5-small → Geração de respostas

• Pré-processamento: NLTK (tokenização, stop words)

• Detecção de idioma: langdetect

• Leitura de PDFs: PyPDF2

• Frontend: HTML, CSS, Bootstrap 5, Bootstrap Icons, JavaScript

---

📌 Observações

• Na primeira execução, os modelos Hugging Face serão baixados (~500MB).

• A classificação é zero-shot (sem treinamento prévio), podendo falhar em textos muito curtos ou ambíguos.

• A geração de resposta utiliza t5-small (rápido, mas simples).

  • Para melhor suporte ao português, pode-se usar google/mt5-small.

• A interface é responsiva e acessível, com suporte a teclado e leitores de tela.

---

🚀 Possíveis Melhorias Futuras

• Suporte a modelos maiores e otimizados para português.
• Expansão para mais idiomas.
• Edição inline da resposta na interface.
• API REST para integração com outros sistemas.
• Autenticação e histórico de emails classificados.
• Pré-processamento mais robusto (lemmatização, análise de sentimento).

---

📬 Contato

• Email: seu.email@exemplo.com
• GitHub: seuusuario

---

📄 Licença

Este projeto está licenciado sob a MIT License. Consulte o arquivo LICENSE para mais detalhes.