Update README.md

README.md

-# Автоматическая классификатор обращений граждан
-
-Авторство задачи: Рязанская область.
-
-## Общее описание логики работы решения
-Решение основано на алгоритмов машинного обучения для классификации текстовых данных.
-Алгоритмы обучаются размеченных исторических данных, после чего они готовы к автоматической работе с новыми данными (классификация обращений) в реальном времени.
-В частности, в сервисе используется несколько моделей, основанных на алгоритме Логистической регрессии. В качестве метода векторизации текста используется TF-IDF.
-
-## Требования к окружению для запуска продукта
-Данное решение является кроссплатформенным т.к. оно запускается в виде веб-сервиса на удаленном сервере.
-
-Используемый язык программирования: Python 3.6.
-
-## Сценарий сборки и запуска проекта
-
-Для запуска через Docker необходимо выполнить следующие команды (находясь в корневой папке проекта):
-
-`docker build -t appeals-webservice:latest .
-docker run -it -p 8080:8080 appeals-webservice`
-
-Если у вас установлен Python 3.6 и pip, можно запустить проект следующими командами:
-
-`pip install -r requirements.txt python app.py`
-
-В обоих случаях приложение запускается на локальной машине по адресу 0.0.0.0:8080
-
-## Примеры использования
-Пример взаимодействия с UI:
-
-Внешний вид главной страницы сервиса
-![Главная страница сервиса](https://github.com/Perevalov/appeals-webservice/blob/master/resources/homepage.jpg)
-
-Пример взаимодействия №1
-![Пример взаимодействия №1](https://github.com/Perevalov/appeals-webservice/blob/master/resources/example1.jpg)
-
-Пример взаимодействия №2
-![Пример взаимодействия №2](https://github.com/Perevalov/appeals-webservice/blob/master/resources/example2.jpg)
-
-Пример взаимодействия с API на Python:
-
-```
-import requests, json
-
-if __name__ == "__main__":
-	prediction_data = ["В нашем городе очень плохие дороги. Много выбоин и ям", "У нас в подъезде валяется мусор, он пахнет. Уберите пожалуйста",]
-	
-	response = requests.get(url='http://localhost:8080/classify', params={'prediction_data': json.dumps(prediction_data), 'predict_proba': json.dumps(True), 'user_mode': json.dumps(True)})
-	print(response.json())
-
-	response = requests.get(url='http://localhost:8080/classify', params={'prediction_data': json.dumps(prediction_data), 'predict_proba': json.dumps(False), 'user_mode': json.dumps(False)})
-	print(response.json())```
+# Автоматическая классификатор обращений граждан
+
+Авторство задачи: Рязанская область.
+
+Ссылка на демо веб-сервис: http://appeals-webservice.herokuapp.com/
+
+## Общее описание логики работы решения
+Решение основано на алгоритмов машинного обучения для классификации текстовых данных.
+Алгоритмы обучаются размеченных исторических данных, после чего они готовы к автоматической работе с новыми данными (классификация обращений) в реальном времени.
+В частности, в сервисе используется несколько моделей, основанных на алгоритме Логистической регрессии. В качестве метода векторизации текста используется TF-IDF.
+
+## Требования к окружению для запуска продукта
+Данное решение является кроссплатформенным т.к. оно запускается в виде веб-сервиса на удаленном сервере.
+
+Используемый язык программирования: Python 3.6.
+
+## Сценарий сборки и запуска проекта
+
+Для запуска через Docker необходимо выполнить следующие команды (находясь в корневой папке проекта):
+
+`docker build -t appeals-webservice:latest .
+docker run -it -p 8080:8080 appeals-webservice`
+
+Если у вас установлен Python 3.6 и pip, можно запустить проект следующими командами:
+
+`pip install -r requirements.txt python app.py`
+
+В обоих случаях приложение запускается на локальной машине по адресу 0.0.0.0:8080
+
+## Примеры использования
+Пример взаимодействия с UI:
+
+Внешний вид главной страницы сервиса
+![Главная страница сервиса](https://github.com/Perevalov/appeals-webservice/blob/master/resources/homepage.jpg)
+
+Пример взаимодействия №1
+![Пример взаимодействия №1](https://github.com/Perevalov/appeals-webservice/blob/master/resources/example1.jpg)
+
+Пример взаимодействия №2
+![Пример взаимодействия №2](https://github.com/Perevalov/appeals-webservice/blob/master/resources/example2.jpg)
+
+Пример взаимодействия с API на Python:
+
+```
+import requests, json
+
+if __name__ == "__main__":
+	prediction_data = ["В нашем городе очень плохие дороги. Много выбоин и ям", "У нас в подъезде валяется мусор, он пахнет. Уберите пожалуйста",]
+	
+	response = requests.get(url='http://localhost:8080/classify', params={'prediction_data': json.dumps(prediction_data), 'predict_proba': json.dumps(True), 'user_mode': json.dumps(True)})
+	print(response.json())
+
+	response = requests.get(url='http://localhost:8080/classify', params={'prediction_data': json.dumps(prediction_data), 'predict_proba': json.dumps(False), 'user_mode': json.dumps(False)})
+	print(response.json())```