ModelManagerController

Module Contents

class ModelManagerController
__models
__init_success = False
__initialize(self)

Inicializa el modulo.

get_model(self, model_name)

Obtiene un modelo de la lista de modelos disponibles.

Model_name:[String] - Nombre del modelo.
Returns:[Model] - Modelo encontrado, None si el modelo no existe
__initialize_custom_model(self)

Inicializa un nuevo modelo de spacy, cargando lo en memoria.

Returns:[SpacyModelRef] - Referencia al nuevo modelo de spacy creado.
load_model(self, model_name)

Carga el modelo requerido en memoria.

Model_name:[String] - Nombre del modelo.
Returns:[boolean] - True si fue exitoso, false en caso contrario.
get_available_models(self)

Devuelve una lista de los modelos disponibles y sus caracteristicas.

Returns:[List(Model)] - Lista de los modelos disponibles y sus caracteristicas.
get_available_models_dict(self)

Devuelve la lista de modelos disponibles y sus caracteristicas convertidos a formato dict.

Returns:[List(Dict)] - Lista de los modelos disponibles y sus caracteristicas.
analyze_text(self, model_name, text='', only_positives=False)

Analiza un texto con el modelo solicitado.

Model_name:[String] - Nombre del modelo a utilizar.
Text:[String] - Texto a analizar.
Only_positives:[boolean] - Si se activa solo se devolveran los resultados positivos del

análisis.

Returns:[List(Dict)] - Resultados del análisis.
train_model(self, model_name, training_data)

Aplica un set de datos de entrenamiento al modelo solicitado.

Model_name:[String] - Nombre del modelo a entrenar.
Training_data:[List(Dict)] - Set de datos de entrenamiento.
Returns:[boolean] - True si el proceso ha sido exitoso, False en caso contrario.
__apply_tokenizer_exceptions(self, model, tokenizer_exceptions_path)

Aplica todas las excepciones contenidas en el directorio de excepciones al modelo.

Model:[SpacyModelRef] - Modelo sobre el cual aplicar las excepc¡ones.
Tokenizer_exceptions_path:
 [String] - Ruta al directorio de excepciones para el modelo.
Returns:[bool] - True si la operación fue exitosa, False en caso contrario.
create_model(self, model_name, description, author, tokenizer_exceptions_path, analyzer_rule_set)

Crea un nuevo modelo. Crea los datos necesarios y lo guarda tanto en disco como su referencia en la base de datos.

Model_name:[String] - Nombre del modelo.
Description:[String] - Descripción.
Author:[String] - Referencia del autor del modelo.
Tokenizer_exceptions_path:
 [List(Dict)] - Lista de excepciones del modulo tokenizer del modelo.
Analyzer_rule_set:
 [List(Dict)] - Lista de reglas para el analizador.
Returns:[boolean] - True si el proceso ha sido exitoso, False en caso contrario.
edit_model(self, previous_model_name, model_name, description)

Permite editar la descripción de un modelo. El modelo debe existir.

Model_name:[String] - Nombre del modelo.
Description:[String] - Nueva descripción.
Returns:[boolean] - True si la modificación se ha realizado correctamente, False en caso contrario.
remove_model(self, model_name)

Elimina un modelo del sistema. Borra los datos del mismo de la base de datos y elimina los archivos del mismo del disco.

Model_name:[String] - Nombre del modelo.
Returns:[boolean] - True si el modelo fue exitosamente borrado, False en caso contrario.