Update modules/database/database.py

modules/database/database.py

@@ -256,20 +256,26 @@ def store_semantic_result(username, text, analysis_result):
     if analysis_collection is None:
         logger.error("La conexión a MongoDB no está inicializada")
         return False
+
     try:
+        # Convertir el gráfico a imagen base64
         buf = io.BytesIO()
         analysis_result['relations_graph'].savefig(buf, format='png')
         buf.seek(0)
         img_str = base64.b64encode(buf.getvalue()).decode('utf-8')
+
+        # Convertir los conceptos clave a una lista de tuplas
+        key_concepts = [(concept, float(frequency)) for concept, frequency in analysis_result['key_concepts']]
+
         analysis_document = {
             'username': username,
             'timestamp': datetime.utcnow(),
             'text': text,
-            'entities': analysis_result['entities'],
-            'key_concepts': analysis_result['key_concepts'],
-            'network_diagram': img_str,  # Cambiado de 'relations_graph' a 'network_diagram'
+            'key_concepts': key_concepts,
+            'network_diagram': img_str,
             'analysis_type': 'semantic'
         }
+
         result = analysis_collection.insert_one(analysis_document)
         logger.info(f"Análisis semántico guardado con ID: {result.inserted_id} para el usuario: {username}")
         logger.info(f"Longitud de la imagen guardada: {len(img_str)}")
@@ -280,19 +286,19 @@ def store_semantic_result(username, text, analysis_result):
 
 ###############################################################################################################
 
-def store_discourse_analysis_result(username, text1, text2, graph1, graph2):
+def store_discourse_analysis_result(username, text1, text2, analysis_result):
     try:
         # Crear una nueva figura combinada
         fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(20, 10))
 
-        # Añadir la primera imagen con título
-        ax1.imshow(graph1.get_figure().canvas.renderer.buffer_rgba())
-        ax1.set_title("Documento Patrón: Relaciones semánticas relevantes")
+        # Añadir la primera imagen
+        ax1.imshow(analysis_result['graph1'].canvas.renderer.buffer_rgba())
+        ax1.set_title("Documento 1: Relaciones Conceptuales")
         ax1.axis('off')
 
-        # Añadir la segunda imagen con título
-        ax2.imshow(graph2.get_figure().canvas.renderer.buffer_rgba())
-        ax2.set_title("Documento Comparado con el documento patrón: Relaciones semánticas relevantes")
+        # Añadir la segunda imagen
+        ax2.imshow(analysis_result['graph2'].canvas.renderer.buffer_rgba())
+        ax2.set_title("Documento 2: Relaciones Conceptuales")
         ax2.axis('off')
 
         # Ajustar el diseño
@@ -306,8 +312,12 @@ def store_discourse_analysis_result(username, text1, text2, graph1, graph2):
 
         # Cerrar las figuras para liberar memoria
         plt.close(fig)
-        plt.close(graph1.get_figure())
-        plt.close(graph2.get_figure())
+        plt.close(analysis_result['graph1'])
+        plt.close(analysis_result['graph2'])
+
+        # Convertir los conceptos clave a listas de tuplas
+        key_concepts1 = [(concept, float(frequency)) for concept, frequency in analysis_result['table1'].values.tolist()]
+        key_concepts2 = [(concept, float(frequency)) for concept, frequency in analysis_result['table2'].values.tolist()]
 
         analysis_document = {
             'username': username,
@@ -315,11 +325,12 @@ def store_discourse_analysis_result(username, text1, text2, graph1, graph2):
             'text1': text1,
             'text2': text2,
             'combined_graph': img_str,
+            'key_concepts1': key_concepts1,
+            'key_concepts2': key_concepts2,
             'analysis_type': 'discourse'
         }
 
         result = analysis_collection.insert_one(analysis_document)
-
         logger.info(f"Análisis discursivo guardado con ID: {result.inserted_id} para el usuario: {username}")
         return True
     except Exception as e: