Spaces:

JoyGF
/

sentiment-analysis-service

Sleeping

App Files Files Community

sentiment-analysis-service / INSTALACION.md

jossy-gutierrez

feat: use HuggingFace Inference API with local model fallback

1212697 4 months ago

preview code

Raw

History Blame Contribute Delete

8.36 kB

📦 Guía de Instalación - Microservicio de Análisis de Sentimientos

📋 Prerrequisitos

Antes de comenzar, asegúrate de tener instalado:

Python 3.9 o superior (Descargar aquí)
pip (gestor de paquetes de Python, viene con Python)
PostgreSQL (ya instalado para tu backend)
Node.js y npm (ya instalado para tu backend)

Verificar instalaciones

# Verificar Python
python --version
# O en algunos sistemas:
python3 --version

# Verificar pip
pip --version
# O:
pip3 --version

🐍 Instalación del Microservicio Python

Paso 1: Navegar al directorio

cd D:\Projects\Personal\sentiment-analysis-service

Paso 2: Crear entorno virtual (RECOMENDADO)

Un entorno virtual aísla las dependencias del proyecto del sistema.

En Windows (Git Bash o CMD):

# Crear entorno virtual
python -m venv venv

# Activar entorno virtual
# En Git Bash:
source venv/Scripts/activate
# En CMD:
venv\Scripts\activate

En Windows (PowerShell):

# Crear entorno virtual
python -m venv venv

# Activar entorno virtual
venv\Scripts\Activate.ps1

En Linux/Mac:

# Crear entorno virtual
python3 -m venv venv

# Activar entorno virtual
source venv/bin/activate

Cuando el entorno esté activado, verás (venv) al inicio de tu línea de comando.

Paso 3: Instalar dependencias

pip install -r requirements.txt

Si requirements.txt no existe o falta algo, instalar manualmente:

# Dependencias principales
pip install fastapi==0.104.1
pip install uvicorn==0.24.0
pip install transformers==4.35.2
pip install torch==2.1.0
pip install python-dotenv==1.0.0

# Nota: torch puede tardar varios minutos en descargar (es un paquete grande)

Paso 4: Verificar instalación

# Ver paquetes instalados
pip list

# Deberías ver: fastapi, uvicorn, transformers, torch, python-dotenv

Paso 5: Configurar variables de entorno

Crear archivo .env en la raíz del proyecto:

# En la carpeta sentiment-analysis-service, crear .env
touch .env

Contenido del archivo .env:

# Modelo de análisis de sentimientos
MODEL_NAME=pysentimiento/robertuito-sentiment-analysis

# Dispositivo (cpu o cuda para GPU)
DEVICE=cpu

# Configuración del servidor
HOST=0.0.0.0
PORT=8000

# CORS - orígenes permitidos (tu frontend)
CORS_ORIGINS=http://localhost:5173,http://localhost:3000,http://localhost:5174

Paso 6: Primera ejecución (descarga del modelo)

La primera vez que ejecutes el servicio, descargará el modelo de ML (~500MB).

# Iniciar el servicio
python -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

Salida esperada:

INFO:     Will watch for changes in these directories: ['D:\\Projects\\Personal\\sentiment-analysis-service']
INFO:     Uvicorn running on http://0.0.0.0:8000 (Press CTRL+C to quit)
INFO:     Started reloader process [XXXX] using WatchFiles
INFO:     Started server process [XXXX]
INFO:     Waiting for application startup.
INFO:     Loading model: pysentimiento/robertuito-sentiment-analysis
Downloading model... (esto puede tardar varios minutos)
INFO:     Model loaded successfully on device: cpu
INFO:     Service ready!
INFO:     Application startup complete.

Paso 7: Verificar que funciona

Abre tu navegador en: http://localhost:8000

Deberías ver:

{
  "service": "Sentiment Analysis API",
  "version": "0.1.0",
  "status": "running"
}

Probar endpoint de salud: http://localhost:8000/health

{
  "status": "healthy",
  "model_loaded": true,
  "model_name": "pysentimiento/robertuito-sentiment-analysis"
}

🔧 Instalación del Backend (Node.js)

Paso 1: Navegar al backend

cd D:\Projects\Personal\mdg-backend

Paso 2: Instalar dependencia de axios

npm install axios

Paso 3: Ejecutar migraciones

npm run migration:run

Salida esperada:

📝 Creando tabla analisis_sentimiento...
✅ Tabla analisis_sentimiento creada exitosamente
📝 Agregando campo estado_analisis a diario_emocional...
✅ Campo agregado exitosamente

Paso 4: Configurar variables de entorno

Editar archivo .env del backend, agregar:

# URL del microservicio de análisis
SENTIMENT_SERVICE_URL=http://localhost:8000

Paso 5: Reiniciar el backend

npm run dev

🚀 Iniciar todo el sistema

Orden recomendado:

Base de datos (PostgreSQL) - Debe estar corriendo
Microservicio Python - Terminal 1
Backend Node.js - Terminal 2
Frontend React - Terminal 3

Terminal 1: Microservicio Python

cd D:\Projects\Personal\sentiment-analysis-service
source venv/Scripts/activate  # Activar entorno virtual
python -m uvicorn app.main:app --reload --host 0.0.0.0 --port 8000

Terminal 2: Backend Node.js

cd D:\Projects\Personal\mdg-backend
npm run dev

Terminal 3: Frontend React

cd D:\Projects\Personal\proyecto-de-grado
npm run dev

🧪 Probar el sistema

1. Probar microservicio directamente

Usando curl:

curl -X POST "http://localhost:8000/analyze/enhanced" \
  -H "Content-Type: application/json" \
  -d '{"text": "Hoy me siento muy feliz porque logré terminar mi proyecto"}'

Usando Postman o similar:

URL: POST http://localhost:8000/analyze/enhanced
Body (JSON):

{
  "text": "Hoy me siento muy feliz porque logré terminar mi proyecto"
}

Respuesta esperada:

{
  "sentimiento_general": "positivo",
  "score_positivo": 0.85,
  "score_negativo": 0.10,
  "score_neutral": 0.05,
  "confianza": 0.85,
  "modelo_usado": "pysentimiento/robertuito-sentiment-analysis",
  "emocion_predominante": "Feliz",
  "palabras_clave": [
    {"word": "proyecto", "frequency": 1},
    {"word": "logré", "frequency": 1},
    {"word": "terminar", "frequency": 1}
  ],
  "alertas": []
}

2. Probar desde el frontend

Inicia sesión como paciente
Ve a "Mis Tareas" → "Diario Emocional"
Escribe una entrada
Haz clic en "Guardar Entrada"
Espera unos segundos
Ve al tab de "Análisis de Sentimientos" (como psicólogo viendo al paciente)

❌ Problemas Comunes

Error: "python no reconocido"

Solución:

Instala Python desde python.org
Asegúrate de marcar "Add Python to PATH" durante la instalación
Reinicia tu terminal

Error: "pip no reconocido"

Solución:

python -m pip --version
# Usar: python -m pip install -r requirements.txt

Error: "Cannot find module transformers"

Solución:

# Asegúrate de tener el entorno virtual activado
source venv/Scripts/activate
pip install transformers torch

Error: "Address already in use" (puerto 8000 ocupado)

Solución:

# Cambiar puerto en el comando
python -m uvicorn app.main:app --reload --port 8001

# Y actualizar en backend .env:
SENTIMENT_SERVICE_URL=http://localhost:8001

Error: "Connection refused" desde backend

Solución:

Verifica que el microservicio Python esté corriendo
Verifica que el puerto sea correcto (8000)
Verifica la variable SENTIMENT_SERVICE_URL en backend

Modelo tarda mucho en descargar

Solución:

Es normal, el modelo pesa ~500MB
Se descarga solo la primera vez
Ten paciencia, puede tardar 5-15 minutos dependiendo de tu conexión

Error: "torch not found" o problemas con torch

Solución (Windows):

# Instalar versión específica de torch
pip install torch==2.1.0 --index-url https://download.pytorch.org/whl/cpu

🔄 Actualizar el sistema

Si haces cambios en el código Python:

El servidor se reinicia automáticamente (modo --reload)

Si haces cambios en el backend Node.js:

El servidor se reinicia automáticamente (modo dev)

Si cambias las migraciones:

cd D:\Projects\Personal\mdg-backend
npm run migration:run

🛑 Detener los servicios

Para detener cualquier servicio, presiona:

Ctrl + C

Para desactivar el entorno virtual de Python:

deactivate

📚 Próximos pasos

Una vez instalado todo, consulta:

USO.md - Guía de uso del sistema
API.md - Documentación de la API
ARQUITECTURA_ANALISIS.md - Arquitectura técnica