Update modules/text_analysis/discourse_analysis.py

modules/text_analysis/discourse_analysis.py

@@ -1,5 +1,4 @@
-modules/text_analysis/discourse_analysis.py
-
+# modules/text_analysis/discourse_analysis.py
 import streamlit as st
 import spacy
 import networkx as nx
@@ -10,7 +9,6 @@ import logging
 
 logger = logging.getLogger(__name__)
 
-
 from .semantic_analysis import (
     create_concept_graph,
     visualize_concept_graph,
@@ -24,60 +22,74 @@ from .semantic_analysis import (
 def compare_semantic_analysis(text1, text2, nlp, lang):
     """
     Realiza el análisis semántico comparativo entre dos textos
+    Args:
+        text1: Primer texto a analizar
+        text2: Segundo texto a analizar
+        nlp: Modelo de spaCy cargado
+        lang: Código de idioma
+    Returns:
+        tuple: (fig1, fig2, key_concepts1, key_concepts2)
     """
-    doc1 = nlp(text1)
-    doc2 = nlp(text2)
+    try:
+        # Procesar los textos
+        doc1 = nlp(text1)
+        doc2 = nlp(text2)
 
-    # Identificar conceptos clave para ambos documentos
-    key_concepts1 = identify_key_concepts(doc1)
-    key_concepts2 = identify_key_concepts(doc2)
+        # Identificar conceptos clave con parámetros específicos
+        key_concepts1 = identify_key_concepts(doc1, min_freq=2, min_length=3)
+        key_concepts2 = identify_key_concepts(doc2, min_freq=2, min_length=3)
 
-    # Crear grafos de conceptos para ambos documentos
-    G1 = create_concept_graph(doc1, key_concepts1)
-    G2 = create_concept_graph(doc2, key_concepts2)
+        # Crear y visualizar grafos
+        G1 = create_concept_graph(doc1, key_concepts1)
+        G2 = create_concept_graph(doc2, key_concepts2)
 
-    # Visualizar los grafos de conceptos
-    fig1 = visualize_concept_graph(G1, lang)
-    fig2 = visualize_concept_graph(G2, lang)
+        fig1 = visualize_concept_graph(G1, lang)
+        fig2 = visualize_concept_graph(G2, lang)
+        
+        # Limpiar títulos
+        fig1.suptitle("")
+        fig2.suptitle("")
 
-    # Remover los títulos superpuestos
-    fig1.suptitle("")
-    fig2.suptitle("")
+        return fig1, fig2, key_concepts1, key_concepts2
 
-    return fig1, fig2, key_concepts1, key_concepts2
+    except Exception as e:
+        logger.error(f"Error en compare_semantic_analysis: {str(e)}")
+        raise
 
 def create_concept_table(key_concepts):
     """
     Crea una tabla de conceptos clave con sus frecuencias
+    Args:
+        key_concepts: Lista de tuplas (concepto, frecuencia)
+    Returns:
+        pandas.DataFrame: Tabla formateada de conceptos
     """
-    df = pd.DataFrame(key_concepts, columns=['Concepto', 'Frecuencia'])
-    df['Frecuencia'] = df['Frecuencia'].round(2)
-    return df
+    try:
+        df = pd.DataFrame(key_concepts, columns=['Concepto', 'Frecuencia'])
+        df['Frecuencia'] = df['Frecuencia'].round(2)
+        return df
+    except Exception as e:
+        logger.error(f"Error en create_concept_table: {str(e)}")
+        raise
 
 def perform_discourse_analysis(text1, text2, nlp, lang):
     """
     Realiza el análisis completo del discurso
+    Args:
+        text1: Primer texto a analizar
+        text2: Segundo texto a analizar
+        nlp: Modelo de spaCy cargado
+        lang: Código de idioma
+    Returns:
+        dict: Resultados del análisis
     """
     try:
-        # Procesar documentos
-        doc1 = nlp(text1)
-        doc2 = nlp(text2)
-
-        # Identificar conceptos clave
-        key_concepts1 = identify_key_concepts(doc1, min_freq=2, min_length=3)
-        key_concepts2 = identify_key_concepts(doc2, min_freq=2, min_length=3)
+        # Realizar análisis comparativo
+        fig1, fig2, key_concepts1, key_concepts2 = compare_semantic_analysis(
+            text1, text2, nlp, lang
+        )
 
-        # Crear grafos de conceptos
-        G1 = create_concept_graph(doc1, key_concepts1)
-        G2 = create_concept_graph(doc2, key_concepts2)
-
-        # Visualizar grafos
-        fig1 = visualize_concept_graph(G1, lang)
-        fig2 = visualize_concept_graph(G2, lang)
-        fig1.suptitle("")
-        fig2.suptitle("")
-
-        # Crear tablas
+        # Crear tablas de resultados
         table1 = create_concept_table(key_concepts1)
         table2 = create_concept_table(key_concepts2)
 
@@ -92,8 +104,8 @@ def perform_discourse_analysis(text1, text2, nlp, lang):
         }
 
     except Exception as e:
-        logger.error(f"Error en análisis del discurso: {str(e)}")
+        logger.error(f"Error en perform_discourse_analysis: {str(e)}")
         return {
             'success': False,
             'error': str(e)
-        }
+        }