💬 ChatBot Interativo com Python + Django

Este projeto foi minha primeira tentativa de construir uma aplicação web completa usando Python com Django. A proposta era desenvolver um ChatBot funcional, simulando atendimento automatizado para uma empresa fictícia, utilizando interpretação de linguagem natural personalizada, sem uso de IA externa.

🎯 Objetivo

Criar um sistema capaz de interpretar mensagens do usuário e responder de forma coerente, com base em palavras-chave organizadas por intenção, tudo rodando no backend Python e integrado ao frontend via Django.

⚙️ O que foi feito

• Integração com Django (estrutura básica de views, rotas e templates)
• Construção manual de um interpretador de mensagens:
  • Mapeamento de palavras-chave por categorias (intenção)
  • Sistema de verificação de correspondência com frases do usuário
  • Respostas pré-programadas associadas a combinações de palavras-chave
• Interface simples em HTML/CSS/JavaScript para simular conversa
• Tratamento de erros e respostas inesperadas

📌 Contexto

Este projeto começou como ideia para o trabalho final da disciplina de Lógica de Programação, mas devido ao prazo curto e resistência dos colegas de grupo, uma versão simplificada foi apresentada oficialmente.

Desde então, evoluí o sistema com mais calma, melhorando a estrutura do código e a lógica do interpretador.

🧠 Como o interpretador funciona

O coração deste projeto é uma função chamada encontrar_resposta, que simula um ChatBot simples utilizando análise de similaridade textual. A lógica funciona da seguinte forma:

Pré-processamento da pergunta:

• Remove acentos, pontuação e transforma tudo para minúsculas.

• Divide a frase em tokens (palavras individuais).

Comparação com as "perguntas-chave" do FAQ:

• As chaves do dicionário faq representam perguntas ou intenções.

• Cada chave é dividida em tokens, e comparada com a entrada do usuário.

• A pontuação da similaridade é calculada:

  • Pontos por interseção direta entre tokens.

  • Pontos adicionais por similaridade textual, utilizando a biblioteca fuzzywuzzy (com partial_ratio).

Seleção da melhor resposta:

• Se a pontuação de similaridade for acima do limite mínimo, a resposta correspondente é retornada.

• Caso contrário, o bot responde com uma mensagem padrão de erro.

Essa lógica básica de NLP (Processamento de Linguagem Natural) não usa modelos de IA ou APIs externas, sendo completamente artesanal. Ela é altamente customizável, e o dicionário faq pode ser adaptado para qualquer domínio ou empresa fictícia.

🚧 Próximos passos (planejados)

• Refatorar backend com Flask (mais leve que Django)
• Adicionar interface com entrada de texto em tempo real
• Treinamento real via IA ou integração com APIs externas (OpenAI, por exemplo)

✨ O que aprendi

• Fundamentos de back-end com Django
• Manipulação de rotas e templates HTML
• Lógica de construção de interpretadores básicos
• Estruturação de código reutilizável
• Conceitos básicos de NLP (Natural Language Processing) sem IA
• Trabalho com HTML, CSS e JavaScript para comunicação com backend

---

📂 Linguagem: Python
🧠 Conceitos: Backend, NLP artesanal, lógica, Django
💻 Ferramentas: PyCharm