update new sentiment_analysis_service.py

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

@@ -1,12 +1,11 @@
 import os
-# 👇 Redirigir el caché de Hugging Face y Transformers a /tmp
-os.environ["TRANSFORMERS_CACHE"] = "/tmp/transformers"
-os.environ["HF_HOME"] = "/tmp/huggingface"
-
 from transformers import pipeline
 from typing import Dict
 from huggingface_hub import login
-import shutil
+
+# 👇 Redirigir el caché de Hugging Face a /tmp
+os.environ["TRANSFORMERS_CACHE"] = "/tmp/transformers"
+os.environ["HF_HOME"] = "/tmp/huggingface"
 
 class SentimentAnalysisService:
     def __init__(self):
@@ -24,8 +23,9 @@ class SentimentAnalysisService:
         try:
             print("[LOG] Cargando pipeline...")
             self.pipeline = pipeline(
-                "text2text-generation",  # ← importante: este es el task correcto para T5
-                model="mrm8488/t5-base-finetuned-emotion"  # ← nombre correcto del modelo
+                "text-classification",
+                model="mrm8488/t5-base-spanish-emotion",
+                top_k=1
             )
             print("[LOG] Pipeline cargado correctamente.")
         except Exception as e:
@@ -34,11 +34,11 @@ class SentimentAnalysisService:
 
     def analyze(self, transcript: str) -> Dict:
         print("[LOG] Análisis de transcripción recibido.")
-        prompt = f"emocion: {transcript}"
         try:
-            output = self.pipeline(prompt, max_length=20)
-            print("[LOG] Resultado del modelo:", output)
-            raw_emotion = output[0]['generated_text'].strip().lower()
+            result = self.pipeline(transcript)[0]
+            print("[LOG] Resultado del modelo:", result)
+            label = result['label'].lower()
+            score = result['score']
         except Exception as e:
             print("[ERROR] Falló la predicción:", e)
             return {
@@ -55,22 +55,15 @@ class SentimentAnalysisService:
             "enfado": "frustrado",
             "amor": "conectado",
             "sorpresa": "sorprendido",
-            # etiquetas del modelo (en inglés)
-            "joy": "entusiasta",
-            "fear": "ansioso",
-            "anger": "frustrado",
-            "love": "conectado",
-            "surprise": "sorprendido",
-            "sadness": "desmotivado",
-            "trust": "motivado"
         }
 
-        mapped_emotion = emotion_mapping.get(raw_emotion, "desconocido")
+        mapped_emotion = emotion_mapping.get(label, "desconocido")
 
         return {
             "dominant_emotion": mapped_emotion,
             "emotion_probabilities": {
-                mapped_emotion: 1.0
+                mapped_emotion: 1.0  # 👈 devolvemos 1.0 para que no tengas que tocar nada más
             },
-            "confidence": 1.0
+            "confidence": 1.0  # 👈 mismo valor fijo como antes
         }
+