PLN - Assistente Virtual Inteligente

Este projeto implementa um assistente virtual inteligente que utiliza Processamento de Linguagem Natural (PLN) para interpretar comandos em linguagem natural e modificar uma interface web em tempo real. O sistema combina embeddings de palavras (Word2Vec e Transformer BERT), uma rede neural MLP com backpropagation e similaridade cosseno para decisões híbridas.

🚀 Funcionalidades

• Interpretação de Comandos: Reconhece comandos como "mude a cor do fundo para azul" ou "vá para a página sobre".
• Modificação de Interface: Altera cores, tamanho de fonte, posição de componentes (menu, header) e navegação entre páginas.
• Modelos de Embedding: Suporte a Word2Vec e Transformer (BERT) para geração de vetores.
• Classificação MLP: Rede neural treinada com backpropagation para predição de ações.
• Sistema Híbrido: Combina MLP, similaridade cosseno e validação semântica para decisões inteligentes.
• Correção Ortográfica: Usa distância de Levenshtein para corrigir erros comuns.
• Comparação de Modelos: Interface para comparar predições entre Word2Vec e Transformer.

🛠 Tecnologias

• Backend: Python 3.8+, Flask
• ML/PLN: Gensim (Word2Vec), Transformers (BERT), NumPy
• Frontend: HTML, CSS, JavaScript (Vanilla)
• Outros: JSON para dados de treinamento

📦 Instalação

1. Clone o repositório:

   git clone https://github.com/api-javali/PLN.git
   

2. Instale as dependências:

   pip install -r requirements.txt

3. Execute o servidor:

   python app.py

4. Acesse: Abra http://localhost:5000 no navegador.

🎯 Uso

• Digite comandos no chat, como "mude o fundo para vermelho" ou "aumente a fonte".
• Use os botões de exemplo para testar.
• Alterne entre modelos (Word2Vec/Transformer) no seletor.
• Compare modelos digitando uma frase no campo de comparação.

Exemplos de Comandos

• "mude a cor do fundo para azul"
• "aumente o tamanho da fonte"
• "vá para a página sobre"
• "mova o menu para a esquerda"
• "redefinir layout"

📁 Estrutura do Projeto

.
├── app.py                          # Servidor Flask principal
├── assistente/
│   ├── virtual_assistant.py        # Lógica do assistente
│   ├── word2vec.py                 # Embedding Word2Vec
│   ├── transformer_embedding.py    # Embedding Transformer
│   ├── classifier.py               # MLP com backpropagation
│   └── model_comparison.py         # Comparação de modelos
├── static/
│   ├── index.js                    # JavaScript frontend
│   └── styles.css                  # Estilos CSS
├── templates/
│   └── index.html                  # Template HTML
├── training_data.json              # Dados de treinamento
├── requirements.txt                # Dependências Python
└── README.md                       # Este arquivo

🔧 Como Funciona

1. Pré-processamento: Texto é tokenizado, limpo e corrigido ortograficamente.
2. Embeddings: Palavras são convertidas em vetores (Word2Vec ou BERT).
3. Classificação: MLP prevê a ação baseada nos vetores.
4. Decisão Híbrida: Combina MLP, similaridade e validação para executar ações.
5. Execução: Interface é atualizada via JavaScript.