File size: 4,273 Bytes
4340657 77a25bb 4340657 ecf0cbb 4340657 ecf0cbb 4340657 ecf0cbb 4340657 ecf0cbb 4340657 ecf0cbb 4340657 ecf0cbb 4340657 |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 |
#/modules/database/semantic_mongo_db.py
import matplotlib.pyplot as plt # Añadir esta importación al inicio
import io
import base64
from .mongo_db import insert_document, find_documents, update_document, delete_document
from datetime import datetime, timezone
import logging
logger = logging.getLogger(__name__)
COLLECTION_NAME = 'student_semantic_analysis'
def store_student_semantic_result(username, text, analysis_result):
"""
Guarda el resultado del análisis semántico en MongoDB.
Args:
username: Nombre del usuario
text: Texto analizado
analysis_result: Resultado del análisis
"""
try:
# Convertir gráfico a formato base64
concept_graph_data = None
if 'concept_graph' in analysis_result:
buf = io.BytesIO()
analysis_result['concept_graph'].savefig(buf, format='png')
buf.seek(0)
concept_graph_data = base64.b64encode(buf.getvalue()).decode('utf-8')
entity_graph_data = None
if 'entity_graph' in analysis_result:
buf = io.BytesIO()
analysis_result['entity_graph'].savefig(buf, format='png')
buf.seek(0)
entity_graph_data = base64.b64encode(buf.getvalue()).decode('utf-8')
# Crear documento para MongoDB
analysis_document = {
'username': username,
'timestamp': datetime.now(timezone.utc).isoformat(),
'text': text,
'analysis_type': 'semantic',
'key_concepts': analysis_result.get('key_concepts', []),
'concept_graph': concept_graph_data,
'entities': analysis_result.get('entities', {}),
'entity_graph': entity_graph_data
}
# Insertar en MongoDB
result = insert_document(COLLECTION_NAME, analysis_document)
if result:
logger.info(f"Análisis semántico guardado con ID: {result} para el usuario: {username}")
return True
logger.error("No se pudo insertar el documento en MongoDB")
return False
except Exception as e:
logger.error(f"Error al guardar el análisis semántico: {str(e)}")
return False
def get_student_semantic_analysis(username, limit=10):
"""
Recupera los análisis semánticos de un estudiante.
Args:
username: Nombre del usuario
limit: Número máximo de análisis a retornar
Returns:
list: Lista de análisis semánticos
"""
query = {"username": username, "analysis_type": "semantic"}
return find_documents(COLLECTION_NAME, query, sort=[("timestamp", -1)], limit=limit)
def update_student_semantic_analysis(analysis_id, update_data):
"""
Actualiza un análisis semántico existente.
Args:
analysis_id: ID del análisis a actualizar
update_data: Datos a actualizar
"""
query = {"_id": analysis_id}
update = {"$set": update_data}
return update_document(COLLECTION_NAME, query, update)
def delete_student_semantic_analysis(analysis_id):
"""
Elimina un análisis semántico.
Args:
analysis_id: ID del análisis a eliminar
"""
query = {"_id": analysis_id}
return delete_document(COLLECTION_NAME, query)
def get_student_semantic_data(username):
"""
Obtiene todos los análisis semánticos de un estudiante.
Args:
username: Nombre del usuario
Returns:
dict: Diccionario con todos los análisis del estudiante
"""
analyses = get_student_semantic_analysis(username, limit=None)
formatted_analyses = []
for analysis in analyses:
formatted_analysis = {
'timestamp': analysis['timestamp'],
'text': analysis['text'],
'key_concepts': analysis['key_concepts'],
'entities': analysis['entities']
# No incluimos los gráficos en el resumen general
}
formatted_analyses.append(formatted_analysis)
return {
'entries': formatted_analyses
}
# Exportar las funciones necesarias
__all__ = [
'store_student_semantic_result',
'get_student_semantic_analysis',
'update_student_semantic_analysis',
'delete_student_semantic_analysis',
'get_student_semantic_data'
] |