📧 Sistema de Classificação Inteligente de Emails

Sistema automatizado de triagem e classificação de emails corporativos usando Inteligência Artificial Gemini

---

🎯 Sobre o Projeto

O Sistema de Classificação Inteligente de Emails é uma aplicação web que automatiza a triagem de emails corporativos, classificando-os em Produtivos (que requerem ação) ou Improdutivos (informativos, marketing, etc.).

Utilizando a API do Google Gemini AI combinada com análise estrutural avançada, o sistema identifica:

• 📋 Emails que exigem ação ou resposta
• 🎯 Prioridade e tempo de resposta sugerido
• 💬 Sugestão de resposta contextual
• 🧠 Justificativa detalhada da classificação

Por que usar este sistema?

• ⚡ Economia de tempo: Triagem automática de centenas de emails
• 🎯 Priorização inteligente: Identifica emails que realmente precisam de atenção
• 📊 Alta precisão: Combina IA generativa com regras estruturais
• 🔒 Seguro: Processamento local, sem armazenamento de dados
• 🌐 Flexível: Suporta texto direto ou upload de arquivos (.txt, .pdf, .eml)

---

✨ Funcionalidades

🔍 Classificação Avançada

• Dual-Layer Analysis: Análise estrutural + IA Gemini
• 10+ Tipos de Email: Marketing, transacional, casual, corporativo, etc.
• Validação em 3 Camadas: Tipos óbvios → Produtividade corporativa → Consistência final

📊 Detecção Inteligente

• ✅ Listas de tarefas numeradas
• ✅ Solicitações explícitas
• ✅ Prazos e deadlines
• ✅ Convites para reuniões
• ✅ Verbos de ação
• ✅ Menções a anexos
• ✅ Marcadores de urgência

🎨 Interface Moderna

• Design responsivo com Tailwind CSS
• Upload via drag & drop
• Feedback visual em tempo real
• Indicadores de confiança animados
• Cópia de resposta com um clique

📄 Suporte a Múltiplos Formatos

• .txt - Arquivos de texto
• .pdf - Documentos PDF
• .eml - Arquivos de email nativos

---

🛠 Tecnologias Utilizadas

Backend

• Python 3.8+
• Flask - Framework web
• Flask-CORS - Gerenciamento de CORS
• Google Gemini AI - Modelo de linguagem generativa
• NLTK - Processamento de linguagem natural
• PyPDF2 - Extração de texto de PDFs
• python-dotenv - Gerenciamento de variáveis de ambiente

Frontend

• HTML5 / CSS3
• JavaScript (Vanilla)
• Tailwind CSS - Framework de estilização

IA e Machine Learning

• Google Gemini Pro - Classificação inteligente
• NLTK - Tokenização e stopwords

---

🏗 Arquitetura

┌─────────────────┐
│   Usuário       │
│  (Frontend)     │
└────────┬────────┘
         │
         ▼
┌─────────────────────────────────────┐
│        Flask API Server             │
│  ┌─────────────────────────────┐   │
│  │  /classify endpoint         │   │
│  └──────────┬──────────────────┘   │
│             │                       │
│             ▼                       │
│  ┌─────────────────────────────┐   │
│  │  Extração de Texto          │   │
│  │  (.txt, .pdf, .eml)        │   │
│  └──────────┬──────────────────┘   │
│             │                       │
│             ▼                       │
│  ┌─────────────────────────────┐   │
│  │  Análise Estrutural         │   │
│  │  - Tipo de email            │   │
│  │  - Estrutura do conteúdo    │   │
│  └──────────┬──────────────────┘   │
│             │                       │
│             ▼                       │
│  ┌─────────────────────────────┐   │
│  │  Classificação Gemini AI    │   │
│  │  + Prompt Engineering       │   │
│  └──────────┬──────────────────┘   │
│             │                       │
│             ▼                       │
│  ┌─────────────────────────────┐   │
│  │  Validação em 3 Camadas     │   │
│  │  1. Tipos óbvios            │   │
│  │  2. Produtividade corporat. │   │
│  │  3. Consistência final      │   │
│  └──────────┬──────────────────┘   │
│             │                       │
│             ▼                       │
│  ┌─────────────────────────────┐   │
│  │  Resultado JSON             │   │
│  └─────────────────────────────┘   │
└─────────────────────────────────────┘

---

📦 Pré-requisitos

• Python 3.8 ou superior
• Conta Google Cloud com API Gemini ativada
• Navegador moderno (Chrome, Firefox, Safari, Edge)

---

🚀 Instalação

1. Clone o repositório

git clone https://github.com/seu-usuario/email-classification-system.git
cd email-classification-system

2. Crie um ambiente virtual (recomendado)

python -m venv venv

# Windows
venv\Scripts\activate

# Linux/Mac
source venv/bin/activate

3. Instale as dependências

cd app
pip install -r requirements.txt

4. Baixe recursos do NLTK (se necessário)

python -c "import nltk; nltk.download('punkt'); nltk.download('stopwords')"

---

⚙️ Configuração

1. Obtenha sua API Key do Google Gemini

1. Acesse Google AI Studio
2. Crie um novo projeto (se necessário)
3. Gere uma API Key
4. Copie a chave

2. Configure as variáveis de ambiente

Crie um arquivo .env na pasta app/:

GEMINI_API_KEY=sua_chave_api_aqui

3. Estrutura de pastas

Certifique-se de que sua estrutura está assim:

projeto/
├── app/
│   ├── .env                    # Variáveis de ambiente
│   ├── app.py                  # Aplicação principal
│   ├── requirements.txt        # Dependências
│   ├── templates/
│   │   └── index.html         # Interface web
│   ├── static/
│   │   └── assets/
│   │       └── js/
│   │           └── script.js  # JavaScript frontend
│   └── uploads/               # Pasta temporária (criada automaticamente)
└── README.md

---

🧠 Lógica de Classificação

Sistema de 3 Camadas

Layer 1: Tipos Óbvios

Identifica e classifica automaticamente:

• ❌ Marketing (score ≥ 3): Promoções, descontos, ofertas
• ❌ Transacional (score ≥ 3): Confirmações, notificações automáticas
• ❌ Casual (score ≥ 2): Memes, piadas, entretenimento
• ❌ Vago (score ≥ 3): Reflexões filosóficas sem pedido claro

Layer 2: Produtividade Corporativa

Força classificação como PRODUTIVO quando detecta:

• ✅ Lista numerada + Prazo
• ✅ Reunião + Horário específico
• ✅ Ação aprovada + Prazo urgente
• ✅ Solicitação + Anexo + Prazo

Layer 3: Consistência Final

Valida e corrige inconsistências:

• Produtivo sem requires_action → adiciona flag
• Improdutivo com requires_action → remove flag
• Tom celebratório marcado como produtivo → corrige

---

🧑‍💻 Autor

• Nome: Otavio Inaba
• Email: [email protected]
• LinkedIn: Otavio