File size: 7,486 Bytes
8292acf fd182dd b221c8f 8292acf f3a064e 8292acf 06bdeb4 8292acf b09a945 8292acf e25570d |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 |
# modules/discourse/discourse/discourse_interface.py
import streamlit as st
import pandas as pd
import plotly.graph_objects as go
import logging
from ..utils.widget_utils import generate_unique_key
from .discourse_process import perform_discourse_analysis
from ..database.chat_mongo_db import store_chat_history
from ..database.discourse_mongo_db import store_student_discourse_result
logger = logging.getLogger(__name__)
def display_discourse_interface(lang_code, nlp_models, discourse_t):
"""
Interfaz para el análisis del discurso
Args:
lang_code: Código del idioma actual
nlp_models: Modelos de spaCy cargados
discourse_t: Diccionario de traducciones
"""
try:
# 1. Inicializar estado si no existe
if 'discourse_state' not in st.session_state:
st.session_state.discourse_state = {
'analysis_count': 0,
'last_analysis': None,
'current_files': None
}
# 2. Título y descripción
st.subheader(discourse_t.get('discourse_title', 'Análisis del Discurso'))
st.info(discourse_t.get('initial_instruction',
'Cargue dos archivos de texto para realizar un análisis comparativo del discurso.'))
# 3. Área de carga de archivos
col1, col2 = st.columns(2)
with col1:
st.markdown(discourse_t.get('file1_label', "**Documento 1 (Patrón)**"))
uploaded_file1 = st.file_uploader(
discourse_t.get('file_uploader1', "Cargar archivo 1"),
type=['txt'],
key=f"discourse_file1_{st.session_state.discourse_state['analysis_count']}"
)
with col2:
st.markdown(discourse_t.get('file2_label', "**Documento 2 (Comparación)**"))
uploaded_file2 = st.file_uploader(
discourse_t.get('file_uploader2', "Cargar archivo 2"),
type=['txt'],
key=f"discourse_file2_{st.session_state.discourse_state['analysis_count']}"
)
# 4. Botón de análisis
col1, col2, col3 = st.columns([1,2,1])
with col1:
analyze_button = st.button(
discourse_t.get('discourse_analyze_button', 'Analizar Discurso'),
key=generate_unique_key("discourse", "analyze_button"),
type="primary",
icon="🔍",
disabled=not (uploaded_file1 and uploaded_file2),
use_container_width=True
)
# 5. Proceso de análisis
if analyze_button and uploaded_file1 and uploaded_file2:
try:
with st.spinner(discourse_t.get('processing', 'Procesando análisis...')):
# Leer contenido de archivos
text1 = uploaded_file1.getvalue().decode('utf-8')
text2 = uploaded_file2.getvalue().decode('utf-8')
# Realizar análisis
result = perform_discourse_analysis(
text1,
text2,
nlp_models[lang_code],
lang_code
)
if result['success']:
# Guardar estado
st.session_state.discourse_result = result
st.session_state.discourse_state['analysis_count'] += 1
st.session_state.discourse_state['current_files'] = (
uploaded_file1.name,
uploaded_file2.name
)
# Guardar en base de datos
if store_student_discourse_result(
st.session_state.username,
text1,
text2,
result
):
st.success(discourse_t.get('success_message', 'Análisis guardado correctamente'))
# Mostrar resultados
display_discourse_results(result, lang_code, discourse_t)
else:
st.error(discourse_t.get('error_message', 'Error al guardar el análisis'))
else:
st.error(discourse_t.get('analysis_error', 'Error en el análisis'))
except Exception as e:
logger.error(f"Error en análisis del discurso: {str(e)}")
st.error(discourse_t.get('error_processing', f'Error procesando archivos: {str(e)}'))
# 6. Mostrar resultados previos
elif 'discourse_result' in st.session_state and st.session_state.discourse_result is not None:
if st.session_state.discourse_state.get('current_files'):
st.info(
discourse_t.get('current_analysis_message', 'Mostrando análisis de los archivos: {} y {}')
.format(*st.session_state.discourse_state['current_files'])
)
display_discourse_results(
st.session_state.discourse_result,
lang_code,
discourse_t
)
except Exception as e:
logger.error(f"Error general en interfaz del discurso: {str(e)}")
st.error(discourse_t.get('general_error', 'Se produjo un error. Por favor, intente de nuevo.'))
def display_discourse_results(result, lang_code, discourse_t):
"""
Muestra los resultados del análisis del discurso
"""
if not result.get('success'):
st.warning(discourse_t.get('no_results', 'No hay resultados disponibles'))
return
col1, col2 = st.columns(2)
# Documento 1
with col1:
with st.expander(discourse_t.get('doc1_title', 'Documento 1'), expanded=True):
st.subheader(discourse_t.get('key_concepts', 'Conceptos Clave'))
if 'key_concepts1' in result:
df1 = pd.DataFrame(result['key_concepts1'], columns=['Concepto', 'Frecuencia'])
df1['Frecuencia'] = df1['Frecuencia'].round(2)
st.table(df1)
if 'graph1' in result:
st.pyplot(result['graph1'])
else:
st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible'))
else:
st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles'))
# Documento 2
with col2:
with st.expander(discourse_t.get('doc2_title', 'Documento 2'), expanded=True):
st.subheader(discourse_t.get('key_concepts', 'Conceptos Clave'))
if 'key_concepts2' in result:
df2 = pd.DataFrame(result['key_concepts2'], columns=['Concepto', 'Frecuencia'])
df2['Frecuencia'] = df2['Frecuencia'].round(2)
st.table(df2)
if 'graph2' in result:
st.pyplot(result['graph2'])
else:
st.warning(discourse_t.get('graph_not_available', 'Gráfico no disponible'))
else:
st.warning(discourse_t.get('concepts_not_available', 'Conceptos no disponibles'))
# Nota informativa sobre la comparación
st.info(discourse_t.get('comparison_note',
'La funcionalidad de comparación detallada estará disponible en una próxima actualización.')) |