Intent Classification

# Configuration
directorio_base = "/home/daniel-de-anda/Escritorio/proyectos/ai creator/kamutini/detecsion de intencion"
ruta_dataset = os.path.join(directorio_base, "dataset.json")
ruta_modelo = os.path.join(directorio_base, "modelo_entrenado.pkl")

import json
import os
import sys
import joblib
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.svm import SVC
from sklearn.pipeline import Pipeline
from sklearn.model_selection import train_test_split
from sklearn.metrics import classification_report

[
    {
        "id": 1,
        "text": "¿Qué es la detección de intención?",
        "intent": "investigacion"
    },
    {
        "id": 2,
        "text": "¿Cómo funciona la detección de intención?",
        "intent": "investigacion"
    },
    {
        "id": 241,
        "text": "¿que clima hace hoy?",
        "intent": "clima"
    },
    {
        "id": 314,
        "text": "reproduce musica",
        "intent": "musica"
    },
    {
        "id": 399,
        "text": "Hola, ¿cómo estás hoy?",
        "intent": "conversacion_ai"
    }
]

def cargar_datos(ruta_archivo):
    """Carga el dataset desde la ruta especificada."""
    try:
        with open(ruta_archivo, 'r', encoding='utf-8') as f:
            data = json.load(f)
        return data
    except FileNotFoundError:
        print(f"Error: No se encontró el archivo en {ruta_archivo}")
        sys.exit(1)
    except json.JSONDecodeError:
        print("Error: El archivo no tiene un formato JSON válido.")
        sys.exit(1)

def entrenar_modelo(dataset, ruta_guardado):
    print("Preparando datos para el entrenamiento...")
    
    # Validate and clean data
    datos_validos = []
    for i, item in enumerate(dataset):
        if 'text' in item and 'intent' in item:
            datos_validos.append(item)
        else:
            print(f"Advertencia: El elemento en el índice {i} fue omitido porque le falta 'text' o 'intent'.")

    if not datos_validos:
        print("Error: No se encontraron datos válidos para entrenar.")
        sys.exit(1)

    # Extract texts and intents
    textos = [item['text'] for item in datos_validos]
    intenciones = [item['intent'] for item in datos_validos]

modelo = Pipeline([
    ('tfidf', TfidfVectorizer(
        ngram_range=(1, 2),
        lowercase=True,
        stop_words=None
    )),
    ('clf', SVC(kernel='linear', probability=True, C=1.0))
])

# Split data for validation
if len(datos_validos) < 2:
    print("Entrenando con un conjunto de datos muy pequeño...")
    modelo.fit(textos, intenciones)
else:
    test_size = 0.2 if len(datos_validos) > 5 else 0.1
    X_train, X_test, y_train, y_test = train_test_split(
        textos, intenciones, test_size=test_size, random_state=42
    )

    print(f"Entrenando con {len(X_train)} ejemplos...")
    modelo.fit(X_train, y_train)

    if len(X_test) > 0:
        y_pred = modelo.predict(X_test)
        print("\n--- Reporte de Calidad del Modelo ---")
        print(classification_report(y_test, y_pred, zero_division=0))

# Save trained model
try:
    joblib.dump(modelo, ruta_guardado)
    print(f"\nModelo guardado exitosamente en: {ruta_guardado}")
except Exception as e:
    print(f"Error al guardar el modelo: {e}")

return modelo

def iniciar_interfaz_chat(modelo):
    """Abre un bucle de entrada para detectar intenciones en tiempo real."""
    print("\n" + "="*50)
    print("IA DE DETECCIÓN DE INTENCIÓN LISTA")
    print("Escribe tu mensaje para detectar la intención.")
    print("Escribe 'salir' para finalizar.")
    print("="*50 + "\n")

    while True:
        try:
            entrada_usuario = input("Tú: ")
        except EOFError:
            break
        
        if entrada_usuario.lower() in ['salir', 'exit', 'quit']:
            print("Cerrando el programa...")
            break
        
        if not entrada_usuario.strip():
            continue

        # Predict intent
        intencion_detectada = modelo.predict([entrada_usuario])[0]
        
        # Get confidence score
        probabilidades = modelo.predict_proba([entrada_usuario])
        confianza_maxima = max(probabilidades[0])

        print(f"Intención detectada: [{intencion_detectada}] (Confianza: {confianza_maxima:.2%})")
        print("-" * 30)

pip install scikit-learn joblib

$ python modelo.py
No se encontró un modelo previo.
Preparando datos para el entrenamiento...

Entrenando con 392 ejemplos...

--- Reporte de Calidad del Modelo ---
                    precision    recall  f1-score   support

            clima       0.95      0.98      0.97        50
conversacion_ai       0.92      0.89      0.90        35
  investigacion       0.97      0.96      0.96       110
         musica       1.00      0.98      0.99        43

       accuracy                           0.96       238
      macro avg       0.96      0.95      0.96       238
   weighted avg       0.96      0.96      0.96       238

Modelo guardado exitosamente en: modelo_entrenado.pkl

==================================================
IA DE DETECCIÓN DE INTENCIÓN LISTA
Escribe tu mensaje para detectar la intención.
Escribe 'salir' para finalizar.
==================================================

Tú: ¿Qué tiempo hace hoy?
Intención detectada: [clima] (Confianza: 94.32%)
------------------------------

Tú: reproduce una canción de rock
Intención detectada: [musica] (Confianza: 97.81%)
------------------------------

Tú: ¿quién inventó la computadora?
Intención detectada: [investigacion] (Confianza: 89.45%)
------------------------------

Tú: hola, ¿cómo estás?
Intención detectada: [conversacion_ai] (Confianza: 92.17%)
------------------------------

Tú: salir
Cerrando el programa...

# Load intent model
import joblib
modelo_intent = joblib.load('modelo_entrenado.pkl')

# Classify user input
def classify_intent(user_text):
    intent = modelo_intent.predict([user_text])[0]
    proba = modelo_intent.predict_proba([user_text])
    confidence = max(proba[0])
    
    return intent, confidence

# Use in assistant
user_input = "¿qué clima hace?"
intent, conf = classify_intent(user_input)

if intent == "clima":
    # Trigger weather API
    get_weather_info()
elif intent == "musica":
    # Play music
    play_music()
elif intent == "investigacion":
    # Search Google
    google_search(user_input)