Upload semantic_analysis.py

modules/text_analysis/semantic_analysis.py

@@ -25,7 +25,7 @@ from .stopwords import (
     get_stopwords_for_spacy
 )
 
-###########################################################
+
 # Define colors for grammatical categories
 POS_COLORS = {
     'ADJ': '#FFA07A', 'ADP': '#98FB98', 'ADV': '#87CEFA', 'AUX': '#DDA0DD',
@@ -34,7 +34,6 @@ POS_COLORS = {
     'SCONJ': '#DEB887', 'SYM': '#7B68EE', 'VERB': '#FF69B4', 'X': '#A9A9A9',
 }
 
-###########################################################
 POS_TRANSLATIONS = {
     'es': {
         'ADJ': 'Adjetivo', 'ADP': 'Preposición', 'ADV': 'Adverbio', 'AUX': 'Auxiliar',
@@ -56,17 +55,9 @@ POS_TRANSLATIONS = {
         'NOUN': 'Nom', 'NUM': 'Nombre', 'PART': 'Particule', 'PRON': 'Pronom',
         'PROPN': 'Nom Propre', 'SCONJ': 'Conjonction de Subordination', 'SYM': 'Symbole',
         'VERB': 'Verbe', 'X': 'Autre',
-    },
-    'pt': {
-        'ADJ': 'Adjetivo', 'ADP': 'Preposição', 'ADV': 'Advérbio', 'AUX': 'Auxiliar',
-        'CCONJ': 'Conjunção Coordenativa', 'DET': 'Determinante', 'INTJ': 'Interjeição',
-        'NOUN': 'Substantivo', 'NUM': 'Número', 'PART': 'Partícula', 'PRON': 'Pronome',
-        'PROPN': 'Nome Próprio', 'SCONJ': 'Conjunção Subordinativa', 'SYM': 'Símbolo',
-        'VERB': 'Verbo', 'X': 'Outro',
     }
 }
 
-###########################################################
 ENTITY_LABELS = {
     'es': {
         "Personas": "lightblue",
@@ -88,17 +79,9 @@ ENTITY_LABELS = {
         "Inventions": "lightgreen",
         "Dates": "lightyellow",
         "Concepts": "lightpink"
-    },
-    'pt': {
-        "Pessoas": "lightblue",          # Personas/People
-        "Lugares": "lightcoral",          # Lugares/Places
-        "Invenções": "lightgreen",        # Inventos/Inventions
-        "Datas": "lightyellow",           # Fechas/Dates
-        "Conceitos": "lightpink"          # Conceptos/Concepts
     }
 }
 
-###########################################################
 def fig_to_bytes(fig):
     """Convierte una figura de matplotlib a bytes."""
     try:
@@ -111,7 +94,7 @@ def fig_to_bytes(fig):
         return None
         
 ###########################################################
-def perform_semantic_analysis(text, nlp, lang_code, semantic_t):
+def perform_semantic_analysis(text, nlp, lang_code):
     """
     Realiza el análisis semántico completo del texto.
     """
@@ -160,7 +143,7 @@ def perform_semantic_analysis(text, nlp, lang_code, semantic_t):
         # Visualizar grafo
         logger.info("Visualizando grafo...")
         plt.clf()  # Limpiar figura actual
-        concept_graph_fig = visualize_concept_graph(concept_graph, lang_code, semantic_t)
+        concept_graph_fig = visualize_concept_graph(concept_graph, lang_code)
         
         # Convertir a bytes
         logger.info("Convirtiendo grafo a bytes...")
@@ -300,7 +283,7 @@ def create_concept_graph(doc, key_concepts):
 
 ###############################################################################
 
-def visualize_concept_graph(G, lang_code, semantic_t):
+def visualize_concept_graph(G, lang_code):
     """
     Visualiza el grafo de conceptos con layout consistente.
     Args:
@@ -385,22 +368,26 @@ def visualize_concept_graph(G, lang_code, semantic_t):
             ),
             ax=ax
         )
-        #################################################################
-        # Usar semantic_t para obtener las traducciones
-        plt.title(semantic_t.get('concept_network', 'Relaciones entre los conceptos clave'), pad=20, fontsize=14)
         
-        # Leyenda de centralidad (traducida)
-        sm = plt.cm.ScalarMappable(cmap=plt.cm.viridis, norm=plt.Normalize(vmin=0, vmax=1))
+        # Añadir leyenda de centralidad
+        sm = plt.cm.ScalarMappable(
+            cmap=plt.cm.viridis, 
+            norm=plt.Normalize(vmin=0, vmax=1)
+        )
         sm.set_array([])
-        cbar = plt.colorbar(sm, ax=ax)
-        cbar.set_label(semantic_t.get('concept_centrality', 'Centralidad de los conceptos clave"'))
-
+        plt.colorbar(sm, ax=ax, label='Centralidad del concepto')
+        
+        plt.title("Red de conceptos relacionados", pad=20, fontsize=14)
         ax.set_axis_off()
+        
+        # Ajustar el layout para que la barra de color no se superponga
         plt.tight_layout()
+        
         return fig
+        
     except Exception as e:
         logger.error(f"Error en visualize_concept_graph: {str(e)}")
-        return plt.figure()
+        return plt.figure()  # Retornar figura vacía en caso de error
 
 ########################################################################
 def create_entity_graph(entities):