AIdeaText commited on
Commit
a2bd669
1 Parent(s): bc872e0

Update modules/text_analysis/discourse_analysis.py

Browse files
modules/text_analysis/discourse_analysis.py CHANGED
@@ -2,7 +2,6 @@ import streamlit as st
2
  import spacy
3
  import networkx as nx
4
  import matplotlib.pyplot as plt
5
- from collections import defaultdict
6
  from .semantic_analysis import (
7
  create_concept_graph,
8
  visualize_concept_graph,
@@ -16,15 +15,13 @@ def compare_semantic_analysis(text1, text2, nlp, lang):
16
  doc1 = nlp(text1)
17
  doc2 = nlp(text2)
18
 
19
- # Identificar entidades y conceptos clave para ambos documentos
20
- entities1, key_concepts1 = identify_and_contextualize_entities(doc1, lang)
21
- entities2, key_concepts2 = identify_and_contextualize_entities(doc2, lang)
22
 
23
  # Crear grafos de conceptos para ambos documentos
24
- concepts1 = [concept for concept, _ in key_concepts1]
25
- concepts2 = [concept for concept, _ in key_concepts2]
26
- G1 = create_concept_graph(text1, concepts1)
27
- G2 = create_concept_graph(text2, concepts2)
28
 
29
  # Visualizar los grafos de conceptos
30
  fig1 = visualize_concept_graph(G1, lang)
@@ -34,19 +31,17 @@ def compare_semantic_analysis(text1, text2, nlp, lang):
34
  fig1.suptitle("Documento 1: Relaciones Conceptuales", fontsize=16, fontweight='bold')
35
  fig2.suptitle("Documento 2: Relaciones Conceptuales", fontsize=16, fontweight='bold')
36
 
37
- return fig1, fig2, entities1, entities2, key_concepts1, key_concepts2
38
 
39
  def perform_discourse_analysis(text1, text2, nlp, lang):
40
- graph1, graph2, entities1, entities2, key_concepts1, key_concepts2 = compare_semantic_analysis(text1, text2, nlp, lang)
41
 
42
  # Aquí puedes añadir más análisis de discurso si lo necesitas
43
- # Por ejemplo, podrías comparar las entidades y conceptos clave entre los dos textos
44
 
45
  return {
46
  'graph1': graph1,
47
  'graph2': graph2,
48
- 'entities1': entities1,
49
- 'entities2': entities2,
50
  'key_concepts1': key_concepts1,
51
  'key_concepts2': key_concepts2
52
  }
 
2
  import spacy
3
  import networkx as nx
4
  import matplotlib.pyplot as plt
 
5
  from .semantic_analysis import (
6
  create_concept_graph,
7
  visualize_concept_graph,
 
15
  doc1 = nlp(text1)
16
  doc2 = nlp(text2)
17
 
18
+ # Identificar conceptos clave para ambos documentos
19
+ key_concepts1 = identify_key_concepts(doc1)
20
+ key_concepts2 = identify_key_concepts(doc2)
21
 
22
  # Crear grafos de conceptos para ambos documentos
23
+ G1 = create_concept_graph(doc1, key_concepts1)
24
+ G2 = create_concept_graph(doc2, key_concepts2)
 
 
25
 
26
  # Visualizar los grafos de conceptos
27
  fig1 = visualize_concept_graph(G1, lang)
 
31
  fig1.suptitle("Documento 1: Relaciones Conceptuales", fontsize=16, fontweight='bold')
32
  fig2.suptitle("Documento 2: Relaciones Conceptuales", fontsize=16, fontweight='bold')
33
 
34
+ return fig1, fig2, key_concepts1, key_concepts2
35
 
36
  def perform_discourse_analysis(text1, text2, nlp, lang):
37
+ graph1, graph2, key_concepts1, key_concepts2 = compare_semantic_analysis(text1, text2, nlp, lang)
38
 
39
  # Aquí puedes añadir más análisis de discurso si lo necesitas
40
+ # Por ejemplo, podrías comparar los conceptos clave entre los dos textos
41
 
42
  return {
43
  'graph1': graph1,
44
  'graph2': graph2,
 
 
45
  'key_concepts1': key_concepts1,
46
  'key_concepts2': key_concepts2
47
  }