src/problem_heuristics.py - master - Chaizee/ZenithCode_Incident-LLM-analytics

src/problem_heuristics.py
76 строк2 KB
Chaizee
fix: fix speed
12 июн 2026, 16:28
12 июн 2026, 16:28b2745cc
from __future__ import annotations

import re

from src.text_coalesce import clean_text_cell, is_meaningful_incident_text, looks_like_pi_response

_QUESTION_RE = re.compile(
    r"(?:\?|^\s*(?:во сколько|когда|где|как|кто|что|есть ли|можно ли|сколько|"
    r"какой|какая|какие|куда|подскажите|уточните|скажите|интересует|подскаж|"
    r"расскажите|будет ли|является ли)\b)",
    re.IGNORECASE,
)

_COMPLAINT_MARKERS = (
    "нет ",
    "не работ",
    "не топ",
    "не греет",
    "не горит",
    "не убран",
    "не чист",
    "не могу",
    "не можем",
    "проблем",
    "жалоб",
    "слома",
    "авари",
    "затоп",
    "прорв",
    "залил",
    "залили",
    "грязн",
    "холодн",
    "опасн",
    "угроз",
    "помогите",
    "требу",
    "безобраз",
    "ужас",
    "кошмар",
    "невозмож",
    "отключ",
    "замерз",
    "рухнул",
    "обруш",
    "прорвало",
    "затопил",
    "авария",
    "срочно",
    "экстрен",
    "разруш",
    "неисправ",
    "протеч",
    "запах канал",
    "антисанитар",
)


def is_informational_inquiry(text: str) -> bool:
    s = clean_text_cell(text)
    if len(s) < 6:
        return False
    low = s.lower()
    if not _QUESTION_RE.search(low):
        return False
    if any(marker in low for marker in _COMPLAINT_MARKERS):
        return False
    return True


def adjust_classification(text: str, row: dict) -> dict:
    if not is_meaningful_incident_text(text) or looks_like_pi_response(text):
        return {"is_problem": False, "severity": 1, "category": "Прочее"}
    if is_informational_inquiry(text):
        return {"is_problem": False, "severity": 1, "category": "Прочее"}
    return row