modules/text_analysis/discourse_analysis.py

# modules/text_analysis/discourse_analysis.py
import streamlit as st
import spacy
import networkx as nx
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import logging

logger = logging.getLogger(__name__)

from .semantic_analysis import (
    create_concept_graph,
    visualize_concept_graph,
    identify_key_concepts,
    get_stopwords,
    POS_COLORS,
    POS_TRANSLATIONS,
    ENTITY_LABELS
)
#####################
# Define colors for grammatical categories
POS_COLORS = {
    'ADJ': '#FFA07A', 'ADP': '#98FB98', 'ADV': '#87CEFA', 'AUX': '#DDA0DD',
    'CCONJ': '#F0E68C', 'DET': '#FFB6C1', 'INTJ': '#FF6347', 'NOUN': '#90EE90',
    'NUM': '#FAFAD2', 'PART': '#D3D3D3', 'PRON': '#FFA500', 'PROPN': '#20B2AA',
    'SCONJ': '#DEB887', 'SYM': '#7B68EE', 'VERB': '#FF69B4', 'X': '#A9A9A9',
}

POS_TRANSLATIONS = {
    'es': {
        'ADJ': 'Adjetivo', 'ADP': 'Preposición', 'ADV': 'Adverbio', 'AUX': 'Auxiliar',
        'CCONJ': 'Conjunción Coordinante', 'DET': 'Determinante', 'INTJ': 'Interjección',
        'NOUN': 'Sustantivo', 'NUM': 'Número', 'PART': 'Partícula', 'PRON': 'Pronombre',
        'PROPN': 'Nombre Propio', 'SCONJ': 'Conjunción Subordinante', 'SYM': 'Símbolo',
        'VERB': 'Verbo', 'X': 'Otro',
    },
    'en': {
        'ADJ': 'Adjective', 'ADP': 'Preposition', 'ADV': 'Adverb', 'AUX': 'Auxiliary',
        'CCONJ': 'Coordinating Conjunction', 'DET': 'Determiner', 'INTJ': 'Interjection',
        'NOUN': 'Noun', 'NUM': 'Number', 'PART': 'Particle', 'PRON': 'Pronoun',
        'PROPN': 'Proper Noun', 'SCONJ': 'Subordinating Conjunction', 'SYM': 'Symbol',
        'VERB': 'Verb', 'X': 'Other',
    },
    'fr': {
        'ADJ': 'Adjectif', 'ADP': 'Préposition', 'ADV': 'Adverbe', 'AUX': 'Auxiliaire',
        'CCONJ': 'Conjonction de Coordination', 'DET': 'Déterminant', 'INTJ': 'Interjection',
        'NOUN': 'Nom', 'NUM': 'Nombre', 'PART': 'Particule', 'PRON': 'Pronom',
        'PROPN': 'Nom Propre', 'SCONJ': 'Conjonction de Subordination', 'SYM': 'Symbole',
        'VERB': 'Verbe', 'X': 'Autre',
    }
}

ENTITY_LABELS = {
    'es': {
        "Personas": "lightblue",
        "Lugares": "lightcoral",
        "Inventos": "lightgreen",
        "Fechas": "lightyellow",
        "Conceptos": "lightpink"
    },
    'en': {
        "People": "lightblue",
        "Places": "lightcoral",
        "Inventions": "lightgreen",
        "Dates": "lightyellow",
        "Concepts": "lightpink"
    },
    'fr': {
        "Personnes": "lightblue",
        "Lieux": "lightcoral",
        "Inventions": "lightgreen",
        "Dates": "lightyellow",
        "Concepts": "lightpink"
    }
}

CUSTOM_STOPWORDS = {
    'es': {
        # Artículos
        'el', 'la', 'los', 'las', 'un', 'una', 'unos', 'unas',
        # Preposiciones comunes
        'a', 'ante', 'bajo', 'con', 'contra', 'de', 'desde', 'en',
        'entre', 'hacia', 'hasta', 'para', 'por', 'según', 'sin',
        'sobre', 'tras', 'durante', 'mediante',
        # Conjunciones
        'y', 'e', 'ni', 'o', 'u', 'pero', 'sino', 'porque',
        # Pronombres
        'yo', 'tú', 'él', 'ella', 'nosotros', 'vosotros', 'ellos',
        'ellas', 'este', 'esta', 'ese', 'esa', 'aquel', 'aquella',
        # Verbos auxiliares comunes
        'ser', 'estar', 'haber', 'tener',
        # Palabras comunes en textos académicos
        'además', 'también', 'asimismo', 'sin embargo', 'no obstante',
        'por lo tanto', 'entonces', 'así', 'luego', 'pues',
        # Números escritos
        'uno', 'dos', 'tres', 'primer', 'primera', 'segundo', 'segunda',
        # Otras palabras comunes
        'cada', 'todo', 'toda', 'todos', 'todas', 'otro', 'otra',
        'donde', 'cuando', 'como', 'que', 'cual', 'quien',
        'cuyo', 'cuya', 'hay', 'solo', 'ver', 'si', 'no',
        # Símbolos y caracteres especiales
        '#', '@', '/', '*', '+', '-', '=', '$', '%'
    },
    'en': {
        # Articles
        'the', 'a', 'an',
        # Common prepositions
        'in', 'on', 'at', 'by', 'for', 'with', 'about', 'against',
        'between', 'into', 'through', 'during', 'before', 'after',
        'above', 'below', 'to', 'from', 'up', 'down', 'of',
        # Conjunctions
        'and', 'or', 'but', 'nor', 'so', 'for', 'yet',
        # Pronouns
        'i', 'you', 'he', 'she', 'it', 'we', 'they', 'this',
        'that', 'these', 'those', 'my', 'your', 'his', 'her',
        # Auxiliary verbs
        'be', 'am', 'is', 'are', 'was', 'were', 'been', 'have',
        'has', 'had', 'do', 'does', 'did',
        # Common academic words
        'therefore', 'however', 'thus', 'hence', 'moreover',
        'furthermore', 'nevertheless',
        # Numbers written
        'one', 'two', 'three', 'first', 'second', 'third',
        # Other common words
        'where', 'when', 'how', 'what', 'which', 'who',
        'whom', 'whose', 'there', 'here', 'just', 'only',
        # Symbols and special characters
        '#', '@', '/', '*', '+', '-', '=', '$', '%'
    },
    'fr': {
        # Articles
        'le', 'la', 'les', 'un', 'une', 'des',
        # Prepositions
        'à', 'de', 'dans', 'sur', 'en', 'par', 'pour', 'avec',
        'sans', 'sous', 'entre', 'derrière', 'chez', 'avant',
        # Conjunctions
        'et', 'ou', 'mais', 'donc', 'car', 'ni', 'or',
        # Pronouns
        'je', 'tu', 'il', 'elle', 'nous', 'vous', 'ils',
        'elles', 'ce', 'cette', 'ces', 'celui', 'celle',
        # Auxiliary verbs
        'être', 'avoir', 'faire',
        # Academic words
        'donc', 'cependant', 'néanmoins', 'ainsi', 'toutefois',
        'pourtant', 'alors',
        # Numbers
        'un', 'deux', 'trois', 'premier', 'première', 'second',
        # Other common words
        'où', 'quand', 'comment', 'que', 'qui', 'quoi',
        'quel', 'quelle', 'plus', 'moins',
        # Symbols
        '#', '@', '/', '*', '+', '-', '=', '$', '%'
    }
}

##############################################################################################################
def get_stopwords(lang_code):
    """
    Obtiene el conjunto de stopwords para un idioma específico.
    Combina las stopwords de spaCy con las personalizadas.
    """
    try:
        nlp = spacy.load(f'{lang_code}_core_news_sm')
        spacy_stopwords = nlp.Defaults.stop_words
        custom_stopwords = CUSTOM_STOPWORDS.get(lang_code, set())
        return spacy_stopwords.union(custom_stopwords)
    except:
        return CUSTOM_STOPWORDS.get(lang_code, set())

#################
def compare_semantic_analysis(text1, text2, nlp, lang):
    """
    Realiza el análisis semántico comparativo entre dos textos
    Args:
        text1: Primer texto a analizar
        text2: Segundo texto a analizar
        nlp: Modelo de spaCy cargado
        lang: Código de idioma
    Returns:
        tuple: (fig1, fig2, key_concepts1, key_concepts2)
    """
    try:
        # Procesar los textos
        doc1 = nlp(text1)
        doc2 = nlp(text2)

        # Identificar conceptos clave con parámetros específicos
        key_concepts1 = identify_key_concepts(doc1, min_freq=2, min_length=3)
        key_concepts2 = identify_key_concepts(doc2, min_freq=2, min_length=3)

        # Crear y visualizar grafos
        G1 = create_concept_graph(doc1, key_concepts1)
        G2 = create_concept_graph(doc2, key_concepts2)

        fig1 = visualize_concept_graph(G1, lang)
        fig2 = visualize_concept_graph(G2, lang)
        
        # Limpiar títulos
        fig1.suptitle("")
        fig2.suptitle("")

        return fig1, fig2, key_concepts1, key_concepts2

    except Exception as e:
        logger.error(f"Error en compare_semantic_analysis: {str(e)}")
        raise

def create_concept_table(key_concepts):
    """
    Crea una tabla de conceptos clave con sus frecuencias
    Args:
        key_concepts: Lista de tuplas (concepto, frecuencia)
    Returns:
        pandas.DataFrame: Tabla formateada de conceptos
    """
    try:
        df = pd.DataFrame(key_concepts, columns=['Concepto', 'Frecuencia'])
        df['Frecuencia'] = df['Frecuencia'].round(2)
        return df
    except Exception as e:
        logger.error(f"Error en create_concept_table: {str(e)}")
        raise

def perform_discourse_analysis(text1, text2, nlp, lang):
    """
    Realiza el análisis completo del discurso
    Args:
        text1: Primer texto a analizar
        text2: Segundo texto a analizar
        nlp: Modelo de spaCy cargado
        lang: Código de idioma
    Returns:
        dict: Resultados del análisis
    """
    try:
        # Realizar análisis comparativo
        fig1, fig2, key_concepts1, key_concepts2 = compare_semantic_analysis(
            text1, text2, nlp, lang
        )

        # Crear tablas de resultados
        table1 = create_concept_table(key_concepts1)
        table2 = create_concept_table(key_concepts2)

        return {
            'graph1': fig1,
            'graph2': fig2,
            'key_concepts1': key_concepts1,
            'key_concepts2': key_concepts2,
            'table1': table1,
            'table2': table2,
            'success': True
        }

    except Exception as e:
        logger.error(f"Error en perform_discourse_analysis: {str(e)}")
        return {
            'success': False,
            'error': str(e)
        }