Update modules/text_analysis/semantic_analysis.py

modules/text_analysis/semantic_analysis.py

@@ -256,46 +256,74 @@ def create_concept_graph(doc, key_concepts):
 ###############################################################################
 def visualize_concept_graph(G, lang_code):
     """
-    Visualiza el grafo de conceptos con nodos ajustados según la longitud del texto.
+    Visualiza el grafo de conceptos con nodos coloreados y flechas direccionales.
+    Args:
+        G: networkx.Graph - Grafo de conceptos
+        lang_code: str - Código del idioma
+    Returns:
+        matplotlib.figure.Figure - Figura del grafo
     """
     try:
         # Crear nueva figura con mayor tamaño
-        fig = plt.figure(figsize=(15, 10))  # Aumentado de (12, 8) a (15, 10)
+        fig = plt.figure(figsize=(15, 10))
         
         if not G.nodes():
             logger.warning("Grafo vacío, retornando figura vacía")
             return fig
             
+        # Convertir grafo no dirigido a dirigido para mostrar flechas
+        DG = nx.DiGraph(G)
+        
+        # Calcular centralidad de los nodos para el color
+        centrality = nx.degree_centrality(G)
+        
         # Calcular layout con más espacio
-        pos = nx.spring_layout(G, k=2, iterations=50)  # Aumentado k de 1 a 2
+        pos = nx.spring_layout(DG, k=2, iterations=50)
         
         # Calcular factor de escala basado en número de nodos
-        num_nodes = len(G.nodes())
+        num_nodes = len(DG.nodes())
         scale_factor = 1000 if num_nodes < 10 else 500 if num_nodes < 20 else 200
         
         # Obtener pesos ajustados
-        node_weights = [G.nodes[node].get('weight', 1) * scale_factor for node in G.nodes()]
-        edge_weights = [G[u][v].get('weight', 1) for u, v in G.edges()]
+        node_weights = [DG.nodes[node].get('weight', 1) * scale_factor for node in DG.nodes()]
+        edge_weights = [DG[u][v].get('weight', 1) for u, v in DG.edges()]
+        
+        # Crear mapa de colores basado en centralidad
+        node_colors = [plt.cm.viridis(centrality[node]) for node in DG.nodes()]
         
-        # Dibujar grafo
-        nx.draw_networkx_nodes(G, pos, 
+        # Dibujar nodos
+        nx.draw_networkx_nodes(DG, pos, 
                              node_size=node_weights,
-                             node_color='lightblue',
-                             alpha=0.6)
+                             node_color=node_colors,
+                             alpha=0.7)
         
-        nx.draw_networkx_edges(G, pos,
+        # Dibujar aristas con flechas
+        nx.draw_networkx_edges(DG, pos,
                              width=edge_weights,
-                             alpha=0.5,
-                             edge_color='gray')
+                             alpha=0.6,
+                             edge_color='gray',
+                             arrows=True,                    # Activar flechas
+                             arrowsize=20,                   # Tamaño de las flechas
+                             arrowstyle='->',               # Estilo de las flechas
+                             connectionstyle='arc3,rad=0.2') # Curvar las líneas para mejor visualización
         
         # Ajustar tamaño de fuente según número de nodos
         font_size = 12 if num_nodes < 10 else 10 if num_nodes < 20 else 8
         
-        nx.draw_networkx_labels(G, pos,
-                              font_size=font_size,
-                              font_weight='bold')
+        # Dibujar etiquetas con fondo blanco para mejor legibilidad
+        labels = nx.draw_networkx_labels(DG, pos,
+                                       font_size=font_size,
+                                       font_weight='bold',
+                                       bbox=dict(facecolor='white', 
+                                               edgecolor='none', 
+                                               alpha=0.7))
+        
+        # Añadir leyenda de centralidad
+        sm = plt.cm.ScalarMappable(cmap=plt.cm.viridis)
+        sm.set_array([])
+        plt.colorbar(sm, label='Centralidad del concepto')
         
-        plt.title("Red de conceptos relacionados", pad=20)
+        plt.title("Red de conceptos relacionados", pad=20, fontsize=14)
         plt.axis('off')
         
         return fig