Feat: Added solution to errors

app.py

@@ -6,16 +6,17 @@
 w2v = ModelWord2Vec()
 clf = joblib.load('./models/logistic_regression.pkl')
 
-# Escribe un comentario triste y largo
 #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 = "Hoy me siento feliz debido a que fue mi grado. La exposición salio todo y bien y me siento querido por mi familia"
+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)
-# 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]))
+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]))

preprocessing_service.py

@@ -44,17 +44,20 @@ def preprocesamiento_con_ortografia(self, texto):
     """
 
     # Eliminar etiquetas y hashtags
-    texto = self.eliminar_etiquetados(texto)
-    texto = self.eliminar_emojis(texto)
-    texto = self.eliminacion_data_inutil(texto)
-    texto = self.correccion_ortografica(texto)
-    texto = self.normalizar(texto)
-    texto = texto.split(" ")
-    texto = self.lematizacion(texto)
-    texto = " ".join(texto)
-    texto = self.stop_words(texto)
-    texto = self.eliminar_duplicados(texto)
-    return texto
+    try:
+      texto = self.eliminar_etiquetados(texto)
+      texto = self.eliminar_emojis(texto)
+      texto = self.eliminacion_data_inutil(texto)
+      texto = self.correccion_ortografica(texto)
+      texto = self.normalizar(texto)
+      texto = texto.split(" ")
+      texto = self.lematizacion(texto)
+      texto = " ".join(texto)
+      texto = self.stop_words(texto)
+      texto = self.eliminar_duplicados(texto)
+      return texto
+    except:
+      return ""
 
 
   def preprocesamiento_sin_ortografia(self, texto):