app.py

from preprocessing_service import Preprocesamiento
from model_word2vec_service import ModelWord2Vec
import joblib

pp = Preprocesamiento()
w2v = ModelWord2Vec()
clf = joblib.load('./models/logistic_regression.pkl')

#comentario = "Me quiero suicidar este día no puede ser peor que el de ayer mi padre me odio y mi madre no me quiere ver"
comentario = "Me quiero suicidar este día no puede ser peor que el de ayer mi padre me odio y mi madre no me quiere ver"
# Preprocesado del comentario
comentario_procesado = pp.preprocesamiento_con_ortografia(comentario)
if comentario_procesado == "":
  print("El comentario despúes del procesamiento no cuenta con la suficiente información para continuar con la impresión diagnostica")
else:
  #Obtener la similitud de coseno entre el comentario y 
  #Cada una de las respuestas del inventario de depresión de BECK (BDI-II)
  cosine_similarity_beck = w2v.get_cosine_similarity_BECK(comentario_procesado)
  # Obtener la respuesta por item basandose en la similitud de coseno
  results_beck = w2v.get_result_beck(cosine_similarity_beck)
  print("El comentario lleno el inventario BECK de esta manera:", results_beck)
  print('Predicción:', clf.predict([results_beck]))