{"repo": "agusnieto77/acep", "files": {"NEWS.md": {"5f13f1dbdee309b7ca948b9ef07fac7e20203b3c": {"t": 1785747214.7667744, "n": 12061, "h": "8a8514fe45376f05", "c": "# ACEP 0.2.0\n\n## Nuevas funcionalidades\n\n* Todas las funciones de IA (`acep_gpt()`, `acep_claude()`, `acep_gemini()`,\n  `acep_ollama()`, `acep_openrouter()`, `acep_together()`) aceptan ahora un\n  argumento `system` para sobreescribir la persona (prompt de sistema) del\n  analista. Por defecto (`NULL`) usa la persona estándar de ACEP, así que el\n  comportamiento previo no cambia. El esquema de salida estructurada se mantiene\n  siempre, sin importar la persona.\n  - En `acep_together()`, `system` es ortogonal a `prompt_system`: este último\n    sigue controlando el modo (`\"json\"`/`\"texto\"`/personalizado) y `system` solo\n    reemplaza la persona; si se pasan ambos, `system` tiene prioridad para la\n    persona.\n* `acep_ollama()` incorpora el argumento `timeout` (120 s por defecto),\n  igualando a los demás proveedores. Es aditivo: el valor por defecto coincide\n  con el timeout fijo anterior.\n\n## Internos\n\n* Nuevos helpers internos en `utils_provider.R`:\n  `.acep_provider_resolve_system()` (resuelve la persona con override opcional) y\n  `.acep_provider_json_system_prompt()` (arma el prompt de modo JSON compartido\n  por `acep_together()` y `acep_openrouter()`).\n\n## Notas\n\n* Cambio aditivo y retrocompatible: `system` es el último parámetro de cada\n  función y por defecto reproduce **byte a byte** el prompt de versiones\n  anteriores (validado con tests). No se renombró ni reordenó ningún argumento.\n* La unificación del resto de argumentos específicos de cada proveedor\n  (seed/top_k/penalties/fallback) y la normalización de la forma de retorno\n  quedan como trabajo futuro, para no introducir cambios de comportamiento.\n\n# ACEP 0.1.2\n\n## Correcciones (cambian resultados)\n\n* `acep_clean()`: ahora remueve correctamente las stopwords acentuadas escritas\n  en MAYÚSCULA (p. ej. \"MÁS\", \"SÍ\"). Antes el plegado de tildes corría después de\n  la remoción de stopwords y esas palabras quedaban sin filtrar.\n* `acep_count()` / `acep_detect()`: los términos del diccionario que contienen\n  metacaracteres de expresiones regulares (`(`, `)`, `.`, `$`, etc.) ahora se\n  tratan como texto literal. Antes podían producir coincidencias erróneas o\n  abortar con un error de regex. Además, `acep_detect()` aplica los límites de\n  palabra (`\\b`) de la misma forma que `acep_count()` cuando el término viene\n  rodeado de espacios (antes el `\\b` se insertaba como una \"b\" literal).\n* `acep_token_table()` y `acep_token_plot()`: la proporción (`prop`) se calcula\n  sobre el total del corpus y no sobre el subconjunto de las `u` palabras más\n  frecuentes, coincidiendo con la definición documentada en la viñeta.\n* `acep_extract()`: una entrada `NA` ahora devuelve `NA` real en lugar de la\n  cadena literal `\"NA\"`.\n* `acep_token()`: descarta entradas `NA` en vez de generar filas de tokens `NA`.\n\n## Correcciones (sin cambios de comportamiento esperados)\n\n* `acep_token_plot()`: restaura el estado gráfico `par()` al salir\n  (`on.exit()`), cumpliendo con la política de CRAN.\n* Proveedores de IA en la nube (`acep_gpt()`, `acep_claude()`, `acep_gemini()`,\n  `acep_together()`, `acep_openrouter()`): se agregó el parámetro `timeout`\n  (120 s por defecto) y un timeout HTTP efectivo, evitando que una conexión\n  estancada bloquee la sesión de R indefinidamente.\n* Todos los proveedores de IA comparten ahora un extractor de mensajes de error\n  HTTP robusto (`.acep_provider_http_error_message()`) que no falla cuando el\n  cuerpo de error es atómico, de texto plano (HTML 5xx) o no tiene el campo\n  `error$message` (p. ej. respuestas 429/5xx).\n* `acep_gemini()` y `acep_claude()`: se elimina `additionalProperties` de forma\n  recursiva en los esquemas anidados (antes solo se quitaba del nivel raíz).\n* `acep_load_base()`: maneja fallos de red/URL con `tryCatch`, agrega timeout y\n  devuelve `NULL` de forma controlada en lugar de propagar errores crudos.\n* `plot.acep_result()`: el gráfico de serie temporal ahora pasa los vectores\n  correctos a `acep_plot_st()` (antes le pasaba un data frame y fallaba).\n* `acep_corpus()`: valida que `id` tenga la misma longitud que `texto` y que\n  `metadata` sea una lista.\n* `acep_upos()` y `acep_svo()`: las validaciones de entrada ahora usan `stop()`\n  en vez de devolver `NULL` silenciosamente.\n* Los proveedores de IA en la nube comparten un helper interno\n  (`.acep_provider_post()`) para construir la petición HTTP, eliminando\n  duplicación (refactor interno, sin cambios de comportamiento).\n* `acep_count()`: el caché de expresiones regulares ahora está acotado (máximo\n  1000 patrones; se vacía al alcanzarlo) para evitar crecimiento de memoria sin\n  límite en sesiones largas con muchos diccionarios distintos.\n\n## CRAN y dependencias\n\n* Se declara `grDevices` en `Imports` (se usaba vía `::` sin declarar).\n* Se eliminaron los campos redundantes `Author`/`Maintainer` del `DESCRIPTION`\n  (se derivan de `Authors@R`).\n* Se excluyen del build los artefactos `vignettes/geocode_cache.json` y demás\n  archivos `geocode_cache.json`/`Rplots.pdf` (y se quitaron del repositorio).\n\n## Documentación\n\n* Se corrigió la documentación de los datos `acep_diccionarios` (son URLs, no\n  vectores de palabras), `acep_rs` (tipo, `sw2`, `emojis`) y `acep_prompt_gpt`\n  (6 componentes, incluyendo los prompts de sistema).\n* `acep_gpt()`: la descripción refleja todos los modelos soportados.\n\n## Tests\n\n* Se reemplazaron los tests tautológicos y los stubs vacíos por aserciones\n  reales y deterministas (offline), incluyendo cobertura del subsistema de\n  pipeline (`acep_corpus`, `pipe_*`, `acep_pipeline`) y de las correcciones de\n  esta versión. Las pruebas del núcleo ahora se ejecutan también en CRAN.\n\n# ACEP 0.1.1\n\n## Hotfix CRAN\n\n* Se actualizaron ejemplos y viñetas para evitar descargas externas durante los checks de CRAN.\n* Los ejemplos de `acep_load_base()` y `acep_diccionarios` que requieren internet ahora quedan marcados como no ejecutables.\n* Las viñetas usan datos incluidos en el paquete o ejemplos sintéticos, reduciendo fallas por red/SSL en plataformas de CRAN.\n\n# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN anterior)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "c934ab98fa8b0f69eae8b1a4fb32c457cccbff30": {"t": 1785771421.3111215, "n": 10427, "h": "10ebe8fc1809cd5f", "c": "# ACEP 0.1.2\n\n## Correcciones (cambian resultados)\n\n* `acep_clean()`: ahora remueve correctamente las stopwords acentuadas escritas\n  en MAYÚSCULA (p. ej. \"MÁS\", \"SÍ\"). Antes el plegado de tildes corría después de\n  la remoción de stopwords y esas palabras quedaban sin filtrar.\n* `acep_count()` / `acep_detect()`: los términos del diccionario que contienen\n  metacaracteres de expresiones regulares (`(`, `)`, `.`, `$`, etc.) ahora se\n  tratan como texto literal. Antes podían producir coincidencias erróneas o\n  abortar con un error de regex. Además, `acep_detect()` aplica los límites de\n  palabra (`\\b`) de la misma forma que `acep_count()` cuando el término viene\n  rodeado de espacios (antes el `\\b` se insertaba como una \"b\" literal).\n* `acep_token_table()` y `acep_token_plot()`: la proporción (`prop`) se calcula\n  sobre el total del corpus y no sobre el subconjunto de las `u` palabras más\n  frecuentes, coincidiendo con la definición documentada en la viñeta.\n* `acep_extract()`: una entrada `NA` ahora devuelve `NA` real en lugar de la\n  cadena literal `\"NA\"`.\n* `acep_token()`: descarta entradas `NA` en vez de generar filas de tokens `NA`.\n\n## Correcciones (sin cambios de comportamiento esperados)\n\n* `acep_token_plot()`: restaura el estado gráfico `par()` al salir\n  (`on.exit()`), cumpliendo con la política de CRAN.\n* Proveedores de IA en la nube (`acep_gpt()`, `acep_claude()`, `acep_gemini()`,\n  `acep_together()`, `acep_openrouter()`): se agregó el parámetro `timeout`\n  (120 s por defecto) y un timeout HTTP efectivo, evitando que una conexión\n  estancada bloquee la sesión de R indefinidamente.\n* Todos los proveedores de IA comparten ahora un extractor de mensajes de error\n  HTTP robusto (`.acep_provider_http_error_message()`) que no falla cuando el\n  cuerpo de error es atómico, de texto plano (HTML 5xx) o no tiene el campo\n  `error$message` (p. ej. respuestas 429/5xx).\n* `acep_gemini()` y `acep_claude()`: se elimina `additionalProperties` de forma\n  recursiva en los esquemas anidados (antes solo se quitaba del nivel raíz).\n* `acep_load_base()`: maneja fallos de red/URL con `tryCatch`, agrega timeout y\n  devuelve `NULL` de forma controlada en lugar de propagar errores crudos.\n* `plot.acep_result()`: el gráfico de serie temporal ahora pasa los vectores\n  correctos a `acep_plot_st()` (antes le pasaba un data frame y fallaba).\n* `acep_corpus()`: valida que `id` tenga la misma longitud que `texto` y que\n  `metadata` sea una lista.\n* `acep_upos()` y `acep_svo()`: las validaciones de entrada ahora usan `stop()`\n  en vez de devolver `NULL` silenciosamente.\n* Los proveedores de IA en la nube comparten un helper interno\n  (`.acep_provider_post()`) para construir la petición HTTP, eliminando\n  duplicación (refactor interno, sin cambios de comportamiento).\n* `acep_count()`: el caché de expresiones regulares ahora está acotado (máximo\n  1000 patrones; se vacía al alcanzarlo) para evitar crecimiento de memoria sin\n  límite en sesiones largas con muchos diccionarios distintos.\n\n## CRAN y dependencias\n\n* Se declara `grDevices` en `Imports` (se usaba vía `::` sin declarar).\n* Se eliminaron los campos redundantes `Author`/`Maintainer` del `DESCRIPTION`\n  (se derivan de `Authors@R`).\n* Se excluyen del build los artefactos `vignettes/geocode_cache.json` y demás\n  archivos `geocode_cache.json`/`Rplots.pdf` (y se quitaron del repositorio).\n\n## Documentación\n\n* Se corrigió la documentación de los datos `acep_diccionarios` (son URLs, no\n  vectores de palabras), `acep_rs` (tipo, `sw2`, `emojis`) y `acep_prompt_gpt`\n  (6 componentes, incluyendo los prompts de sistema).\n* `acep_gpt()`: la descripción refleja todos los modelos soportados.\n\n## Tests\n\n* Se reemplazaron los tests tautológicos y los stubs vacíos por aserciones\n  reales y deterministas (offline), incluyendo cobertura del subsistema de\n  pipeline (`acep_corpus`, `pipe_*`, `acep_pipeline`) y de las correcciones de\n  esta versión. Las pruebas del núcleo ahora se ejecutan también en CRAN.\n\n# ACEP 0.1.1\n\n## Hotfix CRAN\n\n* Se actualizaron ejemplos y viñetas para evitar descargas externas durante los checks de CRAN.\n* Los ejemplos de `acep_load_base()` y `acep_diccionarios` que requieren internet ahora quedan marcados como no ejecutables.\n* Las viñetas usan datos incluidos en el paquete o ejemplos sintéticos, reduciendo fallas por red/SSL en plataformas de CRAN.\n\n# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN anterior)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "be891ff08c8f4258d59cbe2474b5a9e884828e96": {"t": 1785771422.5713663, "n": 10005, "h": "b83d012405b65eeb", "c": "# ACEP 0.1.2\n\n## Correcciones (cambian resultados)\n\n* `acep_clean()`: ahora remueve correctamente las stopwords acentuadas escritas\n  en MAYÚSCULA (p. ej. \"MÁS\", \"SÍ\"). Antes el plegado de tildes corría después de\n  la remoción de stopwords y esas palabras quedaban sin filtrar.\n* `acep_count()` / `acep_detect()`: los términos del diccionario que contienen\n  metacaracteres de expresiones regulares (`(`, `)`, `.`, `$`, etc.) ahora se\n  tratan como texto literal. Antes podían producir coincidencias erróneas o\n  abortar con un error de regex. Además, `acep_detect()` aplica los límites de\n  palabra (`\\b`) de la misma forma que `acep_count()` cuando el término viene\n  rodeado de espacios (antes el `\\b` se insertaba como una \"b\" literal).\n* `acep_token_table()` y `acep_token_plot()`: la proporción (`prop`) se calcula\n  sobre el total del corpus y no sobre el subconjunto de las `u` palabras más\n  frecuentes, coincidiendo con la definición documentada en la viñeta.\n* `acep_extract()`: una entrada `NA` ahora devuelve `NA` real en lugar de la\n  cadena literal `\"NA\"`.\n* `acep_token()`: descarta entradas `NA` en vez de generar filas de tokens `NA`.\n\n## Correcciones (sin cambios de comportamiento esperados)\n\n* `acep_token_plot()`: restaura el estado gráfico `par()` al salir\n  (`on.exit()`), cumpliendo con la política de CRAN.\n* Proveedores de IA en la nube (`acep_gpt()`, `acep_claude()`, `acep_gemini()`,\n  `acep_together()`, `acep_openrouter()`): se agregó el parámetro `timeout`\n  (120 s por defecto) y un timeout HTTP efectivo, evitando que una conexión\n  estancada bloquee la sesión de R indefinidamente.\n* Todos los proveedores de IA comparten ahora un extractor de mensajes de error\n  HTTP robusto (`.acep_provider_http_error_message()`) que no falla cuando el\n  cuerpo de error es atómico, de texto plano (HTML 5xx) o no tiene el campo\n  `error$message` (p. ej. respuestas 429/5xx).\n* `acep_gemini()` y `acep_claude()`: se elimina `additionalProperties` de forma\n  recursiva en los esquemas anidados (antes solo se quitaba del nivel raíz).\n* `acep_load_base()`: maneja fallos de red/URL con `tryCatch`, agrega timeout y\n  devuelve `NULL` de forma controlada en lugar de propagar errores crudos.\n* `plot.acep_result()`: el gráfico de serie temporal ahora pasa los vectores\n  correctos a `acep_plot_st()` (antes le pasaba un data frame y fallaba).\n* `acep_corpus()`: valida que `id` tenga la misma longitud que `texto` y que\n  `metadata` sea una lista.\n* `acep_upos()` y `acep_svo()`: las validaciones de entrada ahora usan `stop()`\n  en vez de devolver `NULL` silenciosamente.\n\n## CRAN y dependencias\n\n* Se declara `grDevices` en `Imports` (se usaba vía `::` sin declarar).\n* Se eliminaron los campos redundantes `Author`/`Maintainer` del `DESCRIPTION`\n  (se derivan de `Authors@R`).\n* Se excluyen del build los artefactos `vignettes/geocode_cache.json` y demás\n  archivos `geocode_cache.json`/`Rplots.pdf` (y se quitaron del repositorio).\n\n## Documentación\n\n* Se corrigió la documentación de los datos `acep_diccionarios` (son URLs, no\n  vectores de palabras), `acep_rs` (tipo, `sw2`, `emojis`) y `acep_prompt_gpt`\n  (6 componentes, incluyendo los prompts de sistema).\n* `acep_gpt()`: la descripción refleja todos los modelos soportados.\n\n## Tests\n\n* Se reemplazaron los tests tautológicos y los stubs vacíos por aserciones\n  reales y deterministas (offline), incluyendo cobertura del subsistema de\n  pipeline (`acep_corpus`, `pipe_*`, `acep_pipeline`) y de las correcciones de\n  esta versión. Las pruebas del núcleo ahora se ejecutan también en CRAN.\n\n# ACEP 0.1.1\n\n## Hotfix CRAN\n\n* Se actualizaron ejemplos y viñetas para evitar descargas externas durante los checks de CRAN.\n* Los ejemplos de `acep_load_base()` y `acep_diccionarios` que requieren internet ahora quedan marcados como no ejecutables.\n* Las viñetas usan datos incluidos en el paquete o ejemplos sintéticos, reduciendo fallas por red/SSL en plataformas de CRAN.\n\n# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN anterior)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "57ca8580307350806c5b0d995636cc6909cf9053": {"t": 1785771423.9323554, "n": 9869, "h": "881bad18956432c0", "c": "# ACEP 0.1.2\n\n## Correcciones (cambian resultados)\n\n* `acep_clean()`: ahora remueve correctamente las stopwords acentuadas escritas\n  en MAYÚSCULA (p. ej. \"MÁS\", \"SÍ\"). Antes el plegado de tildes corría después de\n  la remoción de stopwords y esas palabras quedaban sin filtrar.\n* `acep_count()` / `acep_detect()`: los términos del diccionario que contienen\n  metacaracteres de expresiones regulares (`(`, `)`, `.`, `$`, etc.) ahora se\n  tratan como texto literal. Antes podían producir coincidencias erróneas o\n  abortar con un error de regex. Además, `acep_detect()` aplica los límites de\n  palabra (`\\b`) de la misma forma que `acep_count()` cuando el término viene\n  rodeado de espacios (antes el `\\b` se insertaba como una \"b\" literal).\n* `acep_token_table()` y `acep_token_plot()`: la proporción (`prop`) se calcula\n  sobre el total del corpus y no sobre el subconjunto de las `u` palabras más\n  frecuentes, coincidiendo con la definición documentada en la viñeta.\n* `acep_extract()`: una entrada `NA` ahora devuelve `NA` real en lugar de la\n  cadena literal `\"NA\"`.\n* `acep_token()`: descarta entradas `NA` en vez de generar filas de tokens `NA`.\n\n## Correcciones (sin cambios de comportamiento esperados)\n\n* `acep_token_plot()`: restaura el estado gráfico `par()` al salir\n  (`on.exit()`), cumpliendo con la política de CRAN.\n* Proveedores de IA en la nube (`acep_gpt()`, `acep_claude()`, `acep_gemini()`,\n  `acep_together()`, `acep_openrouter()`): se agregó el parámetro `timeout`\n  (120 s por defecto) y un timeout HTTP efectivo, evitando que una conexión\n  estancada bloquee la sesión de R indefinidamente.\n* `acep_gpt()`: el manejo de errores HTTP ya no falla cuando el cuerpo de error\n  no tiene el campo `error$message` (p. ej. respuestas 429/5xx).\n* `acep_gemini()` y `acep_claude()`: se elimina `additionalProperties` de forma\n  recursiva en los esquemas anidados (antes solo se quitaba del nivel raíz).\n* `acep_load_base()`: maneja fallos de red/URL con `tryCatch`, agrega timeout y\n  devuelve `NULL` de forma controlada en lugar de propagar errores crudos.\n* `plot.acep_result()`: el gráfico de serie temporal ahora pasa los vectores\n  correctos a `acep_plot_st()` (antes le pasaba un data frame y fallaba).\n* `acep_corpus()`: valida que `id` tenga la misma longitud que `texto` y que\n  `metadata` sea una lista.\n* `acep_upos()` y `acep_svo()`: las validaciones de entrada ahora usan `stop()`\n  en vez de devolver `NULL` silenciosamente.\n\n## CRAN y dependencias\n\n* Se declara `grDevices` en `Imports` (se usaba vía `::` sin declarar).\n* Se eliminaron los campos redundantes `Author`/`Maintainer` del `DESCRIPTION`\n  (se derivan de `Authors@R`).\n* Se excluyen del build los artefactos `vignettes/geocode_cache.json` y demás\n  archivos `geocode_cache.json`/`Rplots.pdf` (y se quitaron del repositorio).\n\n## Documentación\n\n* Se corrigió la documentación de los datos `acep_diccionarios` (son URLs, no\n  vectores de palabras), `acep_rs` (tipo, `sw2`, `emojis`) y `acep_prompt_gpt`\n  (6 componentes, incluyendo los prompts de sistema).\n* `acep_gpt()`: la descripción refleja todos los modelos soportados.\n\n## Tests\n\n* Se reemplazaron los tests tautológicos y los stubs vacíos por aserciones\n  reales y deterministas (offline), incluyendo cobertura del subsistema de\n  pipeline (`acep_corpus`, `pipe_*`, `acep_pipeline`) y de las correcciones de\n  esta versión. Las pruebas del núcleo ahora se ejecutan también en CRAN.\n\n# ACEP 0.1.1\n\n## Hotfix CRAN\n\n* Se actualizaron ejemplos y viñetas para evitar descargas externas durante los checks de CRAN.\n* Los ejemplos de `acep_load_base()` y `acep_diccionarios` que requieren internet ahora quedan marcados como no ejecutables.\n* Las viñetas usan datos incluidos en el paquete o ejemplos sintéticos, reduciendo fallas por red/SSL en plataformas de CRAN.\n\n# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN anterior)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "891054e14811ad758df4a37c7527535436c9217f": {"t": 1785771425.167024, "n": 6436, "h": "8641606f8139a569", "c": "# ACEP 0.1.1\n\n## Hotfix CRAN\n\n* Se actualizaron ejemplos y viñetas para evitar descargas externas durante los checks de CRAN.\n* Los ejemplos de `acep_load_base()` y `acep_diccionarios` que requieren internet ahora quedan marcados como no ejecutables.\n* Las viñetas usan datos incluidos en el paquete o ejemplos sintéticos, reduciendo fallas por red/SSL en plataformas de CRAN.\n\n# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN anterior)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "b068f3e25474388f2ace24857e2b523118792276": {"t": 1785771427.454053, "n": 6058, "h": "6d1001296dc6e5a8", "c": "# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN anterior)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "8fc7ebfe4a8e90540f028c10bff6942c8527e1de": {"t": 1785771428.9739053, "n": 6057, "h": "d1b1c3c2f6784c39", "c": "# ACEP 0.1.0\n\n## Lanzamiento\n\n* ACEP 0.1.0 fue publicado en CRAN el 2026-05-10.\n* Esta versión consolida la optimización del paquete, reduce dependencias obligatorias y deja como opcionales varias integraciones NLP/geocodificación.\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "5a8ecb33ecabb514d228d90fe5114abbce889f10": {"t": 1785771430.4881623, "n": 5838, "h": "bdb695fba78dcbc1", "c": "# ACEP 0.1.0\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se documentó la instalación base liviana y las dependencias opcionales para NLP/geocodificación.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "6c8d87161c0fc4d40627d714efc0d16c4a621f80": {"t": 1785771432.0940716, "n": 5768, "h": "328a72fab1e69d68", "c": "# ACEP 0.1.0.9000 (versión en desarrollo)\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje de Ollama tanto locales como cloud usando structured outputs. Permite ejecutar análisis sin costos en local y activar modelos gigantes (DeepSeek 671B, Kimi 1T, Qwen3 Coder) con una API key opcional.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregó `acep_together()`: integración con TogetherAI para acceder a modelos open source (Llama, Qwen, DeepSeek, Moonshot) con JSON mode, esquemas validados y postprocesamiento automático.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API y soporte de fallback automático\n\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n* `acep_ollama()`: ahora detecta el tipo de endpoint (localhost o cloud), permite fijar `max_tokens`, usa hosts remotos con autenticación mediante `OLLAMA_API_KEY` y elimina la dependencia obligatoria de `ollamar`.\n* `acep_openrouter()`: agrega listado actualizado de modelos GPT-5, Grok 4, DeepSeek V3/R1, Llama 4 y Mixtral, aplica fallback inteligente entre candidatos, refuerza la validación JSON y reporta el detalle de errores por intento.\n\n## Datos y recursos\n\n* `acep_bases`: se reorganizó la documentación e incorpora el data frame `lc_720` con 720 notas anotadas manualmente para evaluar diccionarios y extracción estructurada de eventos de protesta.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se documentó `acep_together()` y las mejoras de `acep_ollama()`/`acep_openrouter()`, con ejemplos para modo cloud, fallback y JSON mode.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter, TogetherAI, Ollama cloud)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "71525a05c14238b5a6af4ce9c7cfe08b2cd75cfc": {"t": 1785771433.6075842, "n": 4727, "h": "4ed7f8e9f8a35f88", "c": "# ACEP 0.1.0.9000 (versión en desarrollo)\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje locales usando Ollama con soporte para structured outputs. Permite ejecutar análisis de texto sin costos ni API keys, manteniendo privacidad total de los datos.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* **Nuevas funciones de IA con Structured Outputs**:\n  - `acep_claude()`: interacción con modelos Anthropic Claude (Sonnet 4.5, Claude 3.5, Claude 3) usando tool calling forzado para structured outputs\n  - `acep_gemini()`: interacción con modelos Google Gemini (2.5 y 2.0) usando responseSchema con OpenAPI 3.0. Incluye acceso gratuito limitado\n  - `acep_openrouter()`: gateway unificado para acceder a 400+ modelos de 60+ proveedores (OpenAI, Anthropic, Google, Meta, Qwen, DeepSeek) con una sola API. Soporta modelos gratuitos y fallback automático\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó completamente para soportar Structured Outputs de OpenAI con esquemas JSON. Ahora incluye:\n  - Soporte para modelos GPT-4o, GPT-4.1, GPT-5, o1 y o4\n  - Detección automática de parámetro correcto (`max_tokens` vs `max_completion_tokens`) según el modelo\n  - Validación flexible con patrones regex para modelos futuros\n  - Compatibilidad con todos los modelos que soporten Structured Outputs\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete, incluyendo las 4 nuevas funciones de IA.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n* Se agregó documentación completa para las funciones de IA:\n  - Guías de uso con ejemplos para cada proveedor (OpenAI, Anthropic, Google, OpenRouter)\n  - Tabla comparativa de características entre proveedores\n  - Instrucciones para configuración de API keys\n  - Ejemplos de uso intercambiable entre diferentes APIs manteniendo la misma interfaz\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "e5bb5e2fe5546c004d271be3a1be8cb280a4920d": {"t": 1785771434.9499724, "n": 3457, "h": "ca4d3c9ce8ce316a", "c": "# ACEP 0.1.0.9000 (versión en desarrollo)\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregó `acep_ollama()`: interacción con modelos de lenguaje locales usando Ollama con soporte para structured outputs. Permite ejecutar análisis de texto sin costos ni API keys, manteniendo privacidad total de los datos.\n* Se agregó `acep_ollama_setup()`: guía de instalación y configuración de Ollama.\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó para usar Structured Outputs de OpenAI con esquemas JSON.\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de funciones del paquete.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "fd9007cc0fa239503856eed369f9287bd24b3a6b": {"t": 1785771436.328944, "n": 3317, "h": "e29263659e1fd869", "c": "# ACEP 0.1.0.9000 (versión en desarrollo)\n\n## Nuevas funcionalidades\n\n* Se agregó `acep_corpus()`: constructor de objetos corpus para trabajar con pipelines de procesamiento de texto.\n* Se agregó `acep_result()`: constructor de objetos resultado con métodos de impresión y resumen.\n* Se agregó `acep_pipeline()`: pipeline completo que integra limpieza, conteo e intensidad.\n* Se agregaron funciones pipeline para análisis composable:\n  - `pipe_clean()`: limpieza de texto en pipeline\n  - `pipe_count()`: conteo de menciones en pipeline\n  - `pipe_intensity()`: cálculo de intensidad en pipeline\n  - `pipe_timeseries()`: generación de series temporales en pipeline\n* Se agregó `acep_postag_hibrido()`: etiquetado POS, lematización y extracción de entidades con spacyr.\n* Se agregó `acep_process_chunks()`: procesamiento de textos en lotes para gestionar grandes volúmenes de datos.\n* Se agregó `acep_gpt_schema()`: esquemas JSON predefinidos para análisis de texto con GPT.\n* Se agregaron funciones auxiliares para gestión de caché:\n  - `acep_clear_regex_cache()`: limpia el caché de expresiones regulares\n  - `acep_regex_cache_size()`: consulta el tamaño del caché\n\n## Mejoras en funciones existentes\n\n* `acep_count()`: se incorporó sistema de caché de expresiones regulares para mejorar rendimiento.\n* `acep_gpt()`: se actualizó para usar Structured Outputs de OpenAI con esquemas JSON.\n* `acep_clean()`: renombrada desde `acep_cleaning()` para mayor consistencia.\n\n## Documentación\n\n* Se mejoró la documentación de todas las funciones nuevas y modificadas.\n* Se agregaron ejemplos prácticos a todas las funciones operativas.\n* Se actualizó README.Rmd con la lista completa de 33 funciones del paquete.\n* Se actualizaron todas las viñetas para usar las nuevas funciones.\n\n## Funciones deprecadas\n\n* `acep_cleaning()` → usar `acep_clean()`\n* `acep_men()` → usar `acep_count()`\n* `acep_rst()` → funcionalidad integrada en otras funciones\n\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "500f2359144c3a1fab1fbd7fd1ecfcb1e73101b0": {"t": 1785771438.0596726, "n": 1381, "h": "bc5b28f98b4c91a6", "c": "\n# ACEP 0.0.2.9005 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "4c8ddd5c2452a61169f1df06d74769253b955841": {"t": 1785771439.5202117, "n": 1381, "h": "6c4d3ae48e3b7eb4", "c": "\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se actualizó y mejoró la función para interactuar con los modelos de OpenAI.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "b120bb8c87c75824f6e58c334a5ff585ef86e427": {"t": 1785771440.9270191, "n": 1258, "h": "b26afc9d7d07952b", "c": "\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.21 (versión CRAN vigente)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2 (versión CRAN)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1 (versión CRAN)\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "ac6fc6d29f46a116eb074b062e3122401759ce35": {"t": 1785771442.52349, "n": 1205, "h": "d2552858089119d3", "c": "\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.3.9004 (versión en desarrollo vigente)\n\n* Se mejoraron las funciones existentes y se creó la función acep_upos().\n\n# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "ffdf082584565f2988965d867dc1174bdb78231f": {"t": 1785771444.0749102, "n": 1078, "h": "db86693d8337a22d", "c": "# ACEP 0.0.3.9003 (versión en desarrollo)\n\n* Se crearon nuevas funciones y se mejoraron las existentes.\n\n# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva función para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenización.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "4609e13b62a97eb65ff8a910c3c7b5352533944a": {"t": 1785771445.5140595, "n": 973, "h": "17ee21919d48f272", "c": "# ACEP 0.0.3.9002 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva funcion para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenizacion.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "3a7dea96b02932f597b1c161a44c0bd32f195573": {"t": 1785771446.657416, "n": 973, "h": "ff2b4e2353c597b9", "c": "# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se creo una nueva funcion para interactuar con la api de OpenAI.\n\n# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenizacion.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "49feb37ca6545cc1d1a620ecc4c9e2bce8fb9822": {"t": 1785771448.1819582, "n": 928, "h": "4d767de5211a88d9", "c": "# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Incorporamos una función para extraer palabras clave de corpus de texto en base a un diccionario.\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenizacion y se creo una nueva funcion para interactuar con la api de OpenAI.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "202ab9e05dfe01e63f1964a445f3e81988f26ef0": {"t": 1785771450.2131908, "n": 827, "h": "80fd2b919a2263c8", "c": "# ACEP 0.0.3.9001 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para contexto de texto y tokenizacion y se creo una nueva funcion para interactuar con la api de OpenAI.\n\n# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenizacion y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "37f65d5ff2fa31f68d24035b052521f882649713": {"t": 1785771451.3810327, "n": 642, "h": "074a3cc4218a80ff", "c": "# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y deteccion de menciones.\n\n# ACEP 0.0.21\n\n* Se mejoraron las nuevas funciones para limpieza de texto, tokenización y deteccion de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenización y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "3492c89c8fdeb6ba6830359eaea9677ddc112ec0": {"t": 1785771452.7264845, "n": 523, "h": "9a8e551f6b12fa21", "c": "# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenización y deteccion de menciones.\n\n# ACEP 0.0.2\n\n* Se agregaron nuevas funciones para limpieza de texto, tokenización y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "ded4984d1ba441f6d97aed748f04857bd5d76238": {"t": 1785771454.078685, "n": 413, "h": "9dae01d24ef64f27", "c": "# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones para limpieza de texto, tokenización y deteccion de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "49578a892efda69dd0f3f28a04d7c1ad141f0120": {"t": 1785771455.8378963, "n": 413, "h": "472536b36ae974f1", "c": "# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones para limpieza de texto, tokenización y detección de menciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "fd2f8ca790ea966be4ab17e347eb8c50ef7568f0": {"t": 1785771457.7035758, "n": 351, "h": "2badbfc791510c4a", "c": "# ACEP 0.0.2.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n\n# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "d217bdd5019696059616409d0ae98f9ae46e1446": {"t": 1785771459.158533, "n": 274, "h": "d5ef7c70e7c108fd", "c": "# ACEP 0.0.1.9000 (versión en desarrollo)\n\n* se agregaron nuevas funciones.\n* se agregaron nuevas bases de datos.\n* se agregaron nuevas descripciones.\n* se agregaron nuevos ejemplos.\n\n# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "5a2e0061416a1a34d2191aa7788e71b4975183e8": {"t": 1785771460.463977, "n": 90, "h": "daa0c0b4b6d82151", "c": "# ACEP 0.0.1\n\n* Se ha añadido un archivo `NEWS.md` para seguir los cambios en el paquete.\n"}, "ee8aa2cbfd5c48d68fa70f39b92f5a20459ecebb": {"t": 1785771461.9621832, "n": 72, "h": "a0b406637a48dbec", "c": "# ACEP 0.0.1\n\n* Added a `NEWS.md` file to track changes to the package.\n"}}}}