Update app.py

app.py

@@ -15,6 +15,9 @@ for k in list(centroides.keys()):
     centroides[k] = c / (np.linalg.norm(c) + 1e-12)
 cids = sorted(centroides.keys())
 
+# >>> AGREGADO: meta con nombre/descripcion por cluster (si existe en el pkl)
+meta = lw.get("meta", {})  # esperado: { "0": {"nombre": "...", "descripcion": "..."}, ... }
+
 # --- Clasificadores (una vez) ---
 sentiment = pipeline("text-classification", model="UMUTeam/roberta-spanish-sentiment-analysis")
 emotion   = pipeline("zero-shot-classification", model="MoritzLaurer/mDeBERTa-v3-base-xnli-multilingual-nli-2mil7")
@@ -46,12 +49,21 @@ def predict(payload: dict):
         t = texts[i]
         v = embs[i]
         cid = _assign(v)
+
         s = sentiment(t)[0]["label"]
         e = emotion(t, candidate_labels=EMOTIONS, hypothesis_template="El texto expresa {}.")["labels"][0]
+
+        # >>> AGREGADO: leer nombre/descripcion del cluster desde meta (acepta clave str o int)
+        m = meta.get(str(cid), meta.get(cid, {}))
+        nombre = (m or {}).get("nombre")
+        desc   = (m or {}).get("descripcion")
+
         results.append({
             "subject": data[i].get("subject",""),
             "body": data[i].get("body",""),
             "cluster": cid,
+            "cluster_nombre": nombre,   # <<< nuevo
+            "cluster_desc":   desc,     # <<< nuevo
             "sentimiento": s,
             "emocion": e,
         })