Веб‑сервис анализа тональности отзывов

Минимальный сервис: FastAPI + scikit‑learn модель (TF‑IDF word+char + LinearSVC/LogReg), фронтенд на чистом HTML/CSS/JS. Принимает текст или CSV, предсказывает тональность (0/1/2), отдаёт размеченный CSV, умеет считать macro-F1 по загруженному датасету. Есть заглушка для БД (PostgreSQL) и сохранения batch‑результатов.
Классы: 0 — нейтрально, 1 — позитив, 2 — негатив (учтите при интерпретации).

Что даёт сервис

• Единичный текст: /predict_text.
• CSV без меток: /predict_csv — добавляет predicted_label, возвращает файл/summary, умеет stream.
• CSV с метками: /score — считает macro-F1, F1 по классам, confusion matrix, отдаёт файл с предсказаниями.
• Фронт: frontend/index.html — формы для всех сценариев, drag&drop CSV, отображение статуса API.

Быстрый старт

python -m venv venv && source venv/bin/activate
pip install -r backend/requirements.txt
python ml/train_model.py          # обучает модель и кладёт в backend/model_artifacts/model.joblib
uvicorn backend.app.main:app --host 0.0.0.0 --port 8000 --reload
# или ./run_local.sh (поднимет API на 8000 и статику фронта на 8080)

Открыть фронт: http://localhost:8080/index.html (или прямо файл в браузере). Swagger: http://localhost:8000/docs, health: http://localhost:8000/health.

Данные и обучение

• Ожидаемые файлы: ml/data/train.csv (ID, text, src, label), ml/data/test.csv (ID, text, src).
• Обучение: python ml/train_model.py --model svm|logreg ... (CLI-параметры для C, max_features и т.д.).
• Оценка: python ml/evaluate_model.py --data ml/data/train.csv.
• Сабмит: python ml/make_submission.py --output ml/data/submission.csv.

Бэкенд и конфиг

• Эндпоинты: /health, /predict_text, /predict_many, /predict_csv, /score, /download/{file}.
• ENV (главные): DATABASE_URL (опц., PostgreSQL), CORS_ALLOW_ORIGINS, MAX_CONCURRENT_TASKS, RATE_LIMIT_PER_MIN, PREDICT_SCORES_MAX_ROWS, STORAGE_TTL_HOURS/STORAGE_MAX_FILES, DOWNLOAD_BASE_URL, MAX_CSV_BYTES/MAX_CSV_ROWS (0 — без лимитов).
• БД‑схема: database/schema.sql (batches, reviews, model_metrics, sources). Если DATABASE_URL не задан, записи в БД пропускаются.

Docker

• Билд API: docker compose -f docker/docker-compose.yml build
• Запуск: docker compose -f docker/docker-compose.yml up Фронт — статичный, можно раздавать любым HTTP‑сервером или с того же хоста (Nginx).

Структура

• backend/app — FastAPI, утилиты CSV, конфиг.
• backend/model_artifacts — обученная модель (model.joblib).
• frontend — UI.
• ml — скрипты обучения/оценки/сабмита.
• database/schema.sql — DDL для PostgreSQL.