Update service sentiment_analysis_service

src/expon/presentation/domain/services/sentiment_analysis_service.py

@@ -2,28 +2,18 @@ import os
 from transformers import pipeline
 from typing import Dict
 
-# 👇 Redirigir el caché de Hugging Face a /tmp
+# 👇 Redirigir el caché de Hugging Face a /tmp para compatibilidad en Hugging Face Spaces
 os.environ["TRANSFORMERS_CACHE"] = "/tmp/transformers"
 os.environ["HF_HOME"] = "/tmp/huggingface"
 
 class SentimentAnalysisService:
     def __init__(self):
         try:
-            print("[LOG] Cargando token de Hugging Face...")
-            token = os.getenv("HUGGINGFACE_TOKEN")
-            if not token:
-                raise ValueError("No se encontró HUGGINGFACE_TOKEN en variables de entorno")
-        except Exception as e:
-            print("[ERROR] Token inválido:", e)
-            raise
-
-        try:
-            print("[LOG] Cargando pipeline...")
+            print("[LOG] Cargando pipeline con modelo público...")
             self.pipeline = pipeline(
                 "text-classification",
-                model="mrm8488/t5-base-spanish-emotion",
-                top_k=1,
-                use_auth_token=token  # 👈 Se usa directamente el token aquí
+                model="nlptown/bert-base-multilingual-uncased-sentiment",  # ✅ modelo público
+                top_k=1
             )
             print("[LOG] Pipeline cargado correctamente.")
         except Exception as e:
@@ -35,7 +25,7 @@ class SentimentAnalysisService:
         try:
             result = self.pipeline(transcript)[0]
             print("[LOG] Resultado del modelo:", result)
-            label = result['label'].lower()
+            label = result['label'].lower()  # Ejemplo: "1 star", "5 stars"
             score = result['score']
         except Exception as e:
             print("[ERROR] Falló la predicción:", e)
@@ -45,14 +35,13 @@ class SentimentAnalysisService:
                 "confidence": 0.0
             }
 
+        # Mapeo muy simple de estrellas a emociones (puedes personalizar esto más)
         emotion_mapping = {
-            "confianza": "motivado",
-            "alegría": "entusiasta",
-            "tristeza": "desmotivado",
-            "miedo": "ansioso",
-            "enfado": "frustrado",
-            "amor": "conectado",
-            "sorpresa": "sorprendido",
+            "1 star": "frustrado",
+            "2 stars": "desmotivado",
+            "3 stars": "neutro",
+            "4 stars": "motivado",
+            "5 stars": "entusiasta"
         }
 
         mapped_emotion = emotion_mapping.get(label, "desconocido")
@@ -62,5 +51,5 @@ class SentimentAnalysisService:
             "emotion_probabilities": {
                 mapped_emotion: 1.0
             },
-            "confidence": 1.0
+            "confidence": round(score, 2)
         }