Update app.py

app.py

@@ -1,6 +1,5 @@
 import gradio as gr
 from sentence_transformers import SentenceTransformer
-from sklearn.metrics.pairwise import cosine_similarity
 import numpy as np
 
 # Modelo para embeddings
@@ -34,11 +33,9 @@ disc_questions = [
             ("S", "Ouvir atentamente e contribuir quando solicitado"),
             ("C", "Tomar notas e questionar os detalhes")
         ]
-    },
-    # Adicione mais perguntas conforme necessário
+    }
 ]
 
-# Características de cada perfil para o relatório
 perfis_caracteristicas = {
     'D': {
         'pontos_fortes': [
@@ -129,12 +126,18 @@ perfis_caracteristicas = {
 def calcular_perfil(respostas):
     # Contar frequência de cada perfil
     contagem = {'D': 0, 'I': 0, 'S': 0, 'C': 0}
+    
     for resposta in respostas:
-        contagem[resposta] += 1
+        if resposta:  # Verifica se a resposta não é None
+            perfil = resposta.split()[0]  # Pega a primeira letra (D, I, S ou C)
+            contagem[perfil] += 1
     
     # Calcular porcentagens
     total = sum(contagem.values())
-    percentuais = {k: (v/total) * 100 for k, v in contagem.items()}
+    if total > 0:  # Evita divisão por zero
+        percentuais = {k: (v/total) * 100 for k, v in contagem.items()}
+    else:
+        percentuais = {k: 0 for k in contagem.keys()}
     
     return percentuais
 
@@ -166,18 +169,14 @@ def gerar_relatorio(percentuais):
     for caracteristica in perfis_caracteristicas[perfil_dominante]['ambiente_ideal']:
         relatorio += f"- {caracteristica}\n"
     
-    # Recomendações personalizadas baseadas no modelo
-    texto_base = " ".join(perfis_caracteristicas[perfil_dominante]['pontos_fortes'])
-    embedding_base = model.encode([texto_base])[0]
-    
     return relatorio
 
-def processar_questionario(respostas):
-    # Converter respostas em perfis
-    perfis_selecionados = [opcao.split()[0] for opcao in respostas]
+def processar_questionario(*args):
+    # Recebe as respostas como argumentos individuais e converte para lista
+    respostas = list(args)
     
     # Calcular percentuais
-    percentuais = calcular_perfil(perfis_selecionados)
+    percentuais = calcular_perfil(respostas)
     
     # Gerar relatório
     relatorio = gerar_relatorio(percentuais)
@@ -188,23 +187,28 @@ def processar_questionario(respostas):
 with gr.Blocks(title="Questionário DISC") as iface:
     gr.Markdown("# Análise de Perfil Comportamental DISC")
     
-    with gr.Group():
-        respostas = []
-        for i, questao in enumerate(disc_questions):
-            gr.Markdown(f"### {questao['pergunta']}")
-            respostas.append(
-                gr.Radio(
-                    choices=[f"{perfil} - {desc}" for perfil, desc in questao['opcoes']],
-                    label=f"Questão {i+1}"
-                )
-            )
+    # Lista para armazenar os componentes de rádio
+    radio_components = []
     
-    btn = gr.Button("Gerar Relatório")
+    # Criar questões
+    for i, questao in enumerate(disc_questions):
+        gr.Markdown(f"### {questao['pergunta']}")
+        radio = gr.Radio(
+            choices=[f"{perfil} - {desc}" for perfil, desc in questao['opcoes']],
+            label=f"Questão {i+1}"
+        )
+        radio_components.append(radio)
+    
+    # Saída
     output = gr.Textbox(label="Relatório", lines=20)
     
+    # Botão
+    btn = gr.Button("Gerar Relatório")
+    
+    # Conectar função aos componentes
     btn.click(
         fn=processar_questionario,
-        inputs=respostas,
+        inputs=radio_components,
         outputs=output
     )