Subida inicial LexiMus-BETO-per-v1 [2/25]

cargar_modelo.py

@@ -0,0 +1,177 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""
+cargar_modelo.py
+────────────────
+Ejemplo de uso completo de LexiMus-BETO-per-v1.
+
+Carga el modelo NER transformer + Entity Ruler desde CSV y aplica
+la inferencia sobre textos de prensa musical española histórica.
+
+Requisitos:
+    pip install spacy>=3.8,<3.9 spacy-transformers
+
+Uso:
+    python cargar_modelo.py
+    python cargar_modelo.py --texto "Anoche actuó la Orquesta Nacional"
+    python cargar_modelo.py --archivo mis_textos.txt
+"""
+
+import csv
+import argparse
+from pathlib import Path
+
+import spacy
+
+# ── Configuración ──────────────────────────────────────────────────────────────
+
+ETIQUETAS = {"COMPOSITOR", "INTERPRETE", "CANTANTE", "AGRUPACION"}
+
+COLORES_TERMINAL = {
+    "COMPOSITOR": "\033[94m",   # azul
+    "INTERPRETE": "\033[93m",   # amarillo
+    "CANTANTE":   "\033[92m",   # verde
+    "AGRUPACION": "\033[91m",   # rojo
+    "RESET":      "\033[0m",
+}
+
+EJEMPLOS = [
+    "El maestro Arbós dirigió anoche la Orquesta Sinfónica de Madrid interpretando la Sinfonía en re menor de Beethoven.",
+    "La soprano Conchita Supervía cosechó grandes ovaciones en el Teatro Real junto al tenor Miguel Fleta.",
+    "El Cuarteto Francés, formado por los profesores Francés, Outumuro, Del Campo y Fontova, ofreció una sesión de música de cámara.",
+    "Wagner ocupa un lugar central en el programa de la temporada, con la colaboración del Orfeón Pamplonés.",
+    "Falla presentó su nuevo ballet ante un público entregado; la coreografía corrió a cargo de la compañía de Diaghilev.",
+]
+
+# ── Funciones ──────────────────────────────────────────────────────────────────
+
+def cargar_patrones_csv(ruta_csv: Path) -> list:
+    """Lee el CSV del Entity Ruler y devuelve lista de patrones spaCy."""
+    patrones = []
+    vistos = set()
+    with open(ruta_csv, encoding="utf-8") as f:
+        reader = csv.DictReader(f)
+        for fila in reader:
+            etq = fila["etiqueta"]
+            if etq not in ETIQUETAS:
+                continue
+            textos_patron = {fila["texto"].strip()}
+            if fila.get("variante_limpia", "").strip():
+                textos_patron.add(fila["variante_limpia"].strip())
+            notas = fila.get("notas", "")
+            if "Apodo:" in notas:
+                apodo = notas.split("Apodo:")[-1].split("|")[0].strip()
+                if apodo:
+                    textos_patron.add(apodo)
+            for t in textos_patron:
+                if not t or len(t) < 2:
+                    continue
+                clave = (t.lower(), etq)
+                if clave in vistos:
+                    continue
+                vistos.add(clave)
+                patrones.append({"label": etq, "pattern": t})
+    return patrones
+
+
+def cargar_leximus(ruta_modelo: str | Path, ruta_csv: str | Path) -> spacy.language.Language:
+    """
+    Carga el modelo LexiMus con Entity Ruler integrado.
+
+    Args:
+        ruta_modelo: Ruta al directorio del modelo spaCy (model-best/).
+        ruta_csv:    Ruta al archivo entidades_ner_leximus.csv.
+
+    Returns:
+        nlp: Pipeline spaCy listo para inferencia.
+    """
+    ruta_modelo = Path(ruta_modelo)
+    ruta_csv    = Path(ruta_csv)
+
+    if not ruta_modelo.exists():
+        raise FileNotFoundError(f"Modelo no encontrado: {ruta_modelo}")
+    if not ruta_csv.exists():
+        raise FileNotFoundError(f"CSV de patrones no encontrado: {ruta_csv}")
+
+    print(f"Cargando modelo desde {ruta_modelo}...")
+    nlp = spacy.load(ruta_modelo)
+
+    # Eliminar Entity Ruler previo (puede tener patrones desactualizados)
+    if "entity_ruler" in nlp.component_names:
+        nlp.remove_pipe("entity_ruler")
+
+    patrones = cargar_patrones_csv(ruta_csv)
+    ruler = nlp.add_pipe("entity_ruler", last=True, config={"overwrite_ents": False})
+    ruler.add_patterns(patrones)
+    print(f"Sistema listo: NER transformer + Entity Ruler ({len(ruler)} patrones)")
+    return nlp
+
+
+def analizar_texto(nlp: spacy.language.Language, texto: str, color: bool = True) -> list:
+    """
+    Analiza un texto y devuelve las entidades musicales detectadas.
+
+    Args:
+        nlp:    Pipeline cargado con cargar_leximus().
+        texto:  Texto a analizar.
+        color:  Si True, imprime con colores ANSI en terminal.
+
+    Returns:
+        Lista de dicts con keys: texto, etiqueta, inicio, fin.
+    """
+    doc = nlp(texto)
+    entidades = [
+        {"texto": e.text, "etiqueta": e.label_, "inicio": e.start_char, "fin": e.end_char}
+        for e in doc.ents if e.label_ in ETIQUETAS
+    ]
+
+    if color:
+        print(f"\nTexto: {texto[:100]}{'...' if len(texto) > 100 else ''}")
+        if entidades:
+            for e in entidades:
+                c = COLORES_TERMINAL.get(e["etiqueta"], "")
+                r = COLORES_TERMINAL["RESET"]
+                print(f"  {c}[{e['etiqueta']}]{r} {e['texto']}")
+        else:
+            print("  (sin entidades detectadas)")
+
+    return entidades
+
+
+def analizar_archivo(nlp: spacy.language.Language, ruta: str) -> None:
+    """Analiza cada línea no vacía de un archivo de texto."""
+    ruta = Path(ruta)
+    lineas = [l.strip() for l in ruta.read_text(encoding="utf-8").splitlines() if l.strip()]
+    print(f"\nAnalizando {len(lineas)} textos de {ruta.name}...")
+    total_ents = 0
+    for linea in lineas:
+        ents = analizar_texto(nlp, linea)
+        total_ents += len(ents)
+    print(f"\nTotal: {total_ents} entidades detectadas en {len(lineas)} textos.")
+
+
+# ── Main ───────────────────────────────────────────────────────────────────────
+
+def main():
+    parser = argparse.ArgumentParser(description="LexiMus NER - inferencia sobre texto musical español")
+    parser.add_argument("--modelo",  default=".", help="Ruta al directorio del modelo (por defecto: directorio actual)")
+    parser.add_argument("--csv",     default="entidades_ner_leximus.csv", help="Ruta al CSV del Entity Ruler")
+    parser.add_argument("--texto",   help="Texto a analizar directamente")
+    parser.add_argument("--archivo", help="Archivo .txt con un texto por línea")
+    args = parser.parse_args()
+
+    nlp = cargar_leximus(args.modelo, args.csv)
+
+    if args.texto:
+        analizar_texto(nlp, args.texto)
+    elif args.archivo:
+        analizar_archivo(nlp, args.archivo)
+    else:
+        # Ejecutar ejemplos por defecto
+        print("\n── Ejemplos de inferencia ─────────────────────────────────────────")
+        for ejemplo in EJEMPLOS:
+            analizar_texto(nlp, ejemplo)
+
+
+if __name__ == "__main__":
+    main()