Update modules/text_analysis/semantic_analysis.py

modules/text_analysis/semantic_analysis.py

@@ -14,13 +14,22 @@ import matplotlib.pyplot as plt
 from sklearn.feature_extraction.text import TfidfVectorizer
 from sklearn.metrics.pairwise import cosine_similarity
 
-# 3. Configuración del logger
-logger = logging.getLogger(__name__)
-logging.basicConfig(
-    level=logging.INFO,
-    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
-)
-
+# Solo configurar si no hay handlers ya configurados
+if not logger.handlers:
+    # Configurar handler de consola
+    console_handler = logging.StreamHandler()
+    console_handler.setLevel(logging.INFO)
+    
+    # Configurar formato
+    formatter = logging.Formatter(
+        '%(asctime)s - %(name)s - %(levelname)s - %(message)s'
+    )
+    console_handler.setFormatter(formatter)
+    
+    # Agregar handler al logger
+    logger.addHandler(console_handler)
+    logger.setLevel(logging.INFO)
+    
 # 4. Importaciones locales
 from .stopwords import (
     process_text,
@@ -101,12 +110,24 @@ def perform_semantic_analysis(text, nlp, lang_code):
     """
     Realiza el análisis semántico completo del texto.
     """
+    if not text or not nlp or not lang_code:
+        logger.error("Parámetros inválidos para el análisis semántico")
+        return {
+            'success': False,
+            'error': 'Parámetros inválidos'
+        }
+        
     try:
         logger.info(f"Starting semantic analysis for language: {lang_code}")
         
         # Procesar texto y remover stopwords
         doc = nlp(text)
-        tokens = process_text(text, lang_code, nlp)
+        if not doc:
+            logger.error("Error al procesar el texto con spaCy")
+            return {
+                'success': False,
+                'error': 'Error al procesar el texto'
+            }
         
         # Identificar conceptos clave
         logger.info("Identificando conceptos clave...")
@@ -121,9 +142,16 @@ def perform_semantic_analysis(text, nlp, lang_code):
             }
         
         # Crear grafo de conceptos
-        logger.info("Creando grafo de conceptos...")
+        logger.info(f"Creando grafo de conceptos con {len(key_concepts)} conceptos...")
         concept_graph = create_concept_graph(doc, key_concepts)
         
+        if not concept_graph.nodes():
+            logger.warning("Se creó un grafo vacío")
+            return {
+                'success': False,
+                'error': 'No se pudo crear el grafo de conceptos'
+            }
+        
         # Visualizar grafo
         logger.info("Visualizando grafo...")
         plt.clf()  # Limpiar figura actual
@@ -144,13 +172,15 @@ def perform_semantic_analysis(text, nlp, lang_code):
         plt.close(concept_graph_fig)
         plt.close('all')
         
-        logger.info("Análisis semántico completado exitosamente")
-        return {
+        result = {
             'success': True,
             'key_concepts': key_concepts,
             'concept_graph': graph_bytes
         }
         
+        logger.info("Análisis semántico completado exitosamente")
+        return result
+        
     except Exception as e:
         logger.error(f"Error in perform_semantic_analysis: {str(e)}")
         plt.close('all')  # Asegurarse de limpiar recursos
@@ -158,6 +188,8 @@ def perform_semantic_analysis(text, nlp, lang_code):
             'success': False,
             'error': str(e)
         }
+    finally:
+        plt.close('all')  # Asegurar limpieza incluso si hay error
 
 ############################################################ 
 
@@ -367,7 +399,7 @@ __all__ = [
     'identify_key_concepts',
     'create_concept_graph',
     'visualize_concept_graph',
-    'fig_to_bytes'
+    'fig_to_bytes',  # Faltaba esta coma
     'ENTITY_LABELS',
     'POS_COLORS',
     'POS_TRANSLATIONS'