Update app.py

app.py

@@ -5,231 +5,189 @@ import numpy as np
 
 model = SentenceTransformer('sentence-transformers/all-MiniLM-L6-v2')
 
-def generate_profile_analysis(perfil_data):
+def get_semantic_similarity(text1, text2):
     """
-    Gera análise detalhada baseada nos percentuais DISC usando embeddings
+    Calcula similaridade semântica entre dois textos usando SentenceTransformer
     """
-    # Base de conhecimento para análise DISC
-    disc_knowledge = {
-        'D': {
-            'alto': {
-                'caracteristicas': [
-                    "Forte capacidade de liderança e decisão",
-                    "Orientação para resultados e ação rápida",
-                    "Assertividade e competitividade elevadas"
-                ],
-                'desenvolvimento': [
-                    "Desenvolver mais paciência e empatia",
-                    "Praticar escuta ativa",
-                    "Considerar impactos nas pessoas"
-                ],
-                'carreiras': [
-                    "Gestão executiva",
-                    "Empreendedorismo",
-                    "Gestão de projetos"
-                ]
-            },
-            'baixo': {
-                'caracteristicas': [
-                    "Abordagem colaborativa e consensual",
-                    "Foco em harmonia e cooperação",
-                    "Decisões cuidadosas e ponderadas"
-                ],
-                'desenvolvimento': [
-                    "Desenvolver mais assertividade",
-                    "Praticar tomada de decisão",
-                    "Expressar opiniões com mais frequência"
-                ],
-                'carreiras': [
-                    "Análise e planejamento",
-                    "Suporte e consultoria",
-                    "Desenvolvimento especializado"
-                ]
-            }
-        },
-        'I': {
-            'alto': {
-                'caracteristicas': [
-                    "Excelente comunicação e sociabilidade",
-                    "Entusiasmo e otimismo naturais",
-                    "Capacidade de influenciar e motivar"
-                ],
-                'desenvolvimento': [
-                    "Focar mais em detalhes e organização",
-                    "Gerenciar melhor o tempo",
-                    "Equilibrar socialização e entregas"
-                ],
-                'carreiras': [
-                    "Vendas e marketing",
-                    "Relações públicas",
-                    "Treinamento e desenvolvimento"
-                ]
-            },
-            'baixo': {
-                'caracteristicas': [
-                    "Comunicação objetiva e focada",
-                    "Preferência por dados e fatos",
-                    "Abordagem analítica"
-                ],
-                'desenvolvimento': [
-                    "Desenvolver networking",
-                    "Praticar comunicação expressiva",
-                    "Participar mais em grupos"
-                ],
-                'carreiras': [
-                    "Pesquisa e análise",
-                    "Desenvolvimento técnico",
-                    "Gestão de processos"
-                ]
-            }
-        },
-        'S': {
-            'alto': {
-                'caracteristicas': [
-                    "Alta consistência e confiabilidade",
-                    "Excelente trabalho em equipe",
-                    "Paciência e estabilidade"
-                ],
-                'desenvolvimento': [
-                    "Lidar melhor com mudanças",
-                    "Desenvolver mais flexibilidade",
-                    "Expressar mais opiniões"
-                ],
-                'carreiras': [
-                    "Recursos humanos",
-                    "Suporte ao cliente",
-                    "Gestão operacional"
-                ]
-            },
-            'baixo': {
-                'caracteristicas': [
-                    "Adaptabilidade a mudanças",
-                    "Flexibilidade com rotinas",
-                    "Multitarefa eficiente"
-                ],
-                'desenvolvimento': [
-                    "Desenvolver mais consistência",
-                    "Manter compromissos de longo prazo",
-                    "Fortalecer relacionamentos"
-                ],
-                'carreiras': [
-                    "Gestão de mudanças",
-                    "Inovação e desenvolvimento",
-                    "Consultoria"
-                ]
-            }
-        },
-        'C': {
-            'alto': {
-                'caracteristicas': [
-                    "Alta precisão e atenção aos detalhes",
-                    "Excelente capacidade analítica",
-                    "Foco em qualidade e processos"
-                ],
-                'desenvolvimento': [
-                    "Desenvolver flexibilidade",
-                    "Aceitar mais riscos",
-                    "Tomar decisões mais rápidas"
-                ],
-                'carreiras': [
-                    "Análise de dados",
-                    "Controle de qualidade",
-                    "Planejamento estratégico"
-                ]
-            },
-            'baixo': {
-                'caracteristicas': [
-                    "Flexibilidade com regras",
-                    "Foco em resultados práticos",
-                    "Adaptabilidade a mudanças"
-                ],
-                'desenvolvimento': [
-                    "Melhorar organização",
-                    "Aumentar atenção aos detalhes",
-                    "Desenvolver análise crítica"
-                ],
-                'carreiras': [
-                    "Gestão criativa",
-                    "Desenvolvimento de produtos",
-                    "Vendas consultivas"
-                ]
-            }
-        }
+    embedding1 = model.encode(text1)
+    embedding2 = model.encode(text2)
+    return np.dot(embedding1, embedding2) / (np.linalg.norm(embedding1) * np.linalg.norm(embedding2))
+
+def get_profile_description(perfil, percentual):
+    """
+    Gera descrição do perfil baseada na similaridade semântica
+    """
+    base_descriptions = {
+        'D': [
+            "Focado em resultados e ação direta",
+            "Orientado a desafios e competição",
+            "Busca controle e liderança",
+            "Direto e assertivo nas interações"
+        ],
+        'I': [
+            "Comunicativo e entusiasta",
+            "Focado em relacionamentos e interações",
+            "Otimista e motivador",
+            "Expressivo e sociável"
+        ],
+        'S': [
+            "Estável e consistente",
+            "Focado em cooperação e harmonia",
+            "Paciente e confiável",
+            "Bom ouvinte e apoiador"
+        ],
+        'C': [
+            "Analítico e preciso",
+            "Focado em qualidade e precisão",
+            "Sistemático e organizado",
+            "Detalhista e criterioso"
+        ]
     }
+    
+    # Cria descrição contextual baseada no percentual
+    context = f"Perfil {perfil} com intensidade de {percentual:.1f}%"
+    
+    # Encontra as descrições mais semanticamente relevantes
+    descriptions = base_descriptions[perfil]
+    similarities = [get_semantic_similarity(context, desc) for desc in descriptions]
+    most_relevant = [desc for _, desc in sorted(zip(similarities, descriptions), reverse=True)]
+    
+    return most_relevant[:2]
 
-    # Determina o perfil dominante e análise correspondente
-    perfil_ordenado = sorted(perfil_data.items(), key=lambda x: x[1], reverse=True)
-    perfil_principal = perfil_ordenado[0][0]
-    nivel = 'alto' if perfil_ordenado[0][1] >= 50 else 'baixo'
+def generate_profile_analysis(perfil_data):
+    """
+    Gera análise detalhada usando embeddings para personalização
+    """
+    # Ordena perfis por percentual
+    perfis_ordenados = sorted(perfil_data.items(), key=lambda x: x[1], reverse=True)
+    perfil_principal = perfis_ordenados[0]
+    perfil_secundario = perfis_ordenados[1]
+    
+    # Gera descrições personalizadas usando embeddings
+    descricoes_principais = get_profile_description(perfil_principal[0], perfil_principal[1])
+    descricoes_secundarias = get_profile_description(perfil_secundario[0], perfil_secundario[1])
+    
+    # Gera análise de combinação usando similaridade semântica
+    combinacao_context = f"""
+    Perfil principal {perfil_principal[0]} ({perfil_principal[1]:.1f}%) 
+    combinado com {perfil_secundario[0]} ({perfil_secundario[1]:.1f}%)
+    """
+    
+    combination_templates = [
+        f"Combina {descricoes_principais[0].lower()} com {descricoes_secundarias[0].lower()}",
+        f"Une capacidade de {descricoes_principais[1].lower()} com {descricoes_secundarias[1].lower()}",
+    ]
+    
+    # Seleciona o template mais relevante baseado na similaridade semântica
+    combination_similarities = [get_semantic_similarity(combinacao_context, template) 
+                              for template in combination_templates]
+    best_combination = combination_templates[np.argmax(combination_similarities)]
     
-    # Gera embeddings para características do perfil
-    profile_data = disc_knowledge[perfil_principal][nivel]
+    # Gera recomendações personalizadas
+    career_recommendations = generate_career_recommendations(
+        perfil_principal[0], perfil_secundario[0],
+        perfil_principal[1], perfil_secundario[1]
+    )
+    
+    # Gera análise de comunicação personalizada
+    communication_style = generate_communication_analysis(
+        perfil_principal[0], perfil_secundario[0],
+        perfil_principal[1], perfil_secundario[1]
+    )
     
-    # Constrói análise personalizada
-    analise = f"""# Análise Detalhada do Perfil DISC
+    return f"""# Análise Detalhada do Perfil DISC
 
 ## Características Principais
-{chr(10).join([f"• {c}" for c in profile_data['caracteristicas']])}
+• {descricoes_principais[0]}
+• {descricoes_principais[1]}
 
-## Áreas para Desenvolvimento
-{chr(10).join([f"• {d}" for d in profile_data['desenvolvimento']])}
+## Influência Secundária
+• {descricoes_secundarias[0]}
+• {descricoes_secundarias[1]}
 
-## Carreiras e Funções Recomendadas
-{chr(10).join([f"• {c}" for c in profile_data['carreiras']])}
+## Combinação de Perfis
+• {best_combination}
 
-## Análise de Combinação
-Seu perfil {perfil_principal} {nivel} ({perfil_ordenado[0][1]:.1f}%) combinado com {perfil_ordenado[1][0]} secundário ({perfil_ordenado[1][1]:.1f}%) sugere:
-• {'Forte capacidade de liderança com foco em pessoas' if perfil_ordenado[1][0] == 'I' else 'Capacidade analítica com orientação para resultados' if perfil_ordenado[1][0] == 'C' else 'Estabilidade com foco em entregas' if perfil_ordenado[1][0] == 'S' else 'Dinamismo com assertividade'}
-
-## Contribuições para Equipe
-• {generate_team_contribution(perfil_principal, nivel)}
+## Recomendações de Carreira
+{career_recommendations}
 
 ## Estilo de Comunicação
-• {generate_communication_style(perfil_principal, nivel)}
+{communication_style}
+
+## Desenvolvimento Sugerido
+{generate_development_suggestions(perfil_principal[0], perfil_principal[1])}
 """
-    return analise
 
-def generate_team_contribution(perfil, nivel):
-    contribuicoes = {
-        'D': {
-            'alto': "Traz direção clara e foco em resultados para a equipe",
-            'baixo': "Contribui com abordagem colaborativa e ponderada"
-        },
-        'I': {
-            'alto': "Promove entusiasmo e mantém a equipe motivada",
-            'baixo': "Traz objetividade e foco para as discussões"
-        },
-        'S': {
-            'alto': "Proporciona estabilidade e suporte consistente",
-            'baixo': "Adiciona dinamismo e adaptabilidade ao grupo"
-        },
-        'C': {
-            'alto': "Garante qualidade e precisão nas entregas",
-            'baixo': "Traz praticidade e flexibilidade aos processos"
-        }
-    }
-    return contribuicoes[perfil][nivel]
+def generate_career_recommendations(primary_profile, secondary_profile, primary_value, secondary_value):
+    """
+    Gera recomendações de carreira usando similaridade semântica
+    """
+    context = f"Perfil {primary_profile}({primary_value:.1f}%) com {secondary_profile}({secondary_value:.1f}%)"
+    
+    career_options = [
+        "• Ideal para papéis de liderança e gestão de projetos",
+        "• Excelente para funções que exigem comunicação e relacionamento",
+        "• Ótimo para posições que necessitam consistência e confiabilidade",
+        "• Adequado para funções analíticas e de planejamento"
+    ]
+    
+    similarities = [get_semantic_similarity(context, option) for option in career_options]
+    best_matches = [career_options[i] for i in np.argsort(similarities)[-2:]]
+    
+    return "\n".join(best_matches)
 
-def generate_communication_style(perfil, nivel):
-    estilos = {
-        'D': {
-            'alto': "Comunicação direta e focada em resultados",
-            'baixo': "Comunicação colaborativa e consensual"
-        },
-        'I': {
-            'alto': "Comunicação expressiva e entusiasta",
-            'baixo': "Comunicação objetiva e baseada em fatos"
-        },
-        'S': {
-            'alto': "Comunicação paciente e atenciosa",
-            'baixo': "Comunicação adaptável e flexível"
-        },
-        'C': {
-            'alto': "Comunicação precisa e detalhada",
-            'baixo': "Comunicação prática e objetiva"
-        }
+def generate_communication_analysis(primary_profile, secondary_profile, primary_value, secondary_value):
+    """
+    Gera análise de comunicação usando similaridade semântica
+    """
+    context = f"Estilo de comunicação {primary_profile}({primary_value:.1f}%) com {secondary_profile}({secondary_value:.1f}%)"
+    
+    communication_styles = [
+        "• Comunicação direta e orientada a resultados",
+        "• Comunicação expressiva e entusiasta",
+        "• Comunicação paciente e atenciosa",
+        "• Comunicação precisa e detalhada"
+    ]
+    
+    similarities = [get_semantic_similarity(context, style) for style in communication_styles]
+    best_match = communication_styles[np.argmax(similarities)]
+    
+    return best_match
+
+def generate_development_suggestions(profile, value):
+    """
+    Gera sugestões de desenvolvimento usando similaridade semântica
+    """
+    context = f"Desenvolvimento para perfil {profile} com {value:.1f}%"
+    
+    development_options = {
+        'D': [
+            "• Desenvolver mais paciência e empatia nas interações",
+            "• Praticar escuta ativa e consideração por outras perspectivas",
+            "• Balancear assertividade com colaboração"
+        ],
+        'I': [
+            "• Desenvolver foco em detalhes e organização",
+            "• Praticar análise mais profunda antes de agir",
+            "• Equilibrar entusiasmo com pragmatismo"
+        ],
+        'S': [
+            "• Desenvolver mais flexibilidade com mudanças",
+            "• Praticar tomada de decisão mais rápida",
+            "��� Expressar opiniões com mais frequência"
+        ],
+        'C': [
+            "• Desenvolver mais flexibilidade com regras",
+            "• Praticar decisões com menos análise",
+            "• Balancear perfeccionismo com praticidade"
+        ]
     }
-    return estilos[perfil][nivel]
+    
+    options = development_options[profile]
+    similarities = [get_semantic_similarity(context, option) for option in options]
+    best_matches = [options[i] for i in np.argsort(similarities)[-2:]]
+    
+    return "\n".join(best_matches)
 
 def gerar_relatorio(percentuais):
     """
@@ -317,7 +275,10 @@ def process_results(*answers):
         gr.Warning("Por favor, responda todas as questões antes de prosseguir.")
         return None, None
     
-    perfil = calcular_perfil(answers)
+    # Extrai apenas a letra do perfil das respostas
+    respostas_processadas = [a.split(' - ')[0] if a else None for a in answers]
+    
+    perfil = calcular_perfil(respostas_processadas)
     plot = create_disc_plot(perfil)
     report = gerar_relatorio(perfil)