feat: pipeline de imágenes + demos de visualización 3D

- BACK_BACK/IMAGENES/: nueva pipeline para análisis de imágenes con VLM
  - image_analyzer.py: imagen → keywords via ollama
  - image_comparator.py: TF-IDF similitud keywords vs corpus
  - mongo_helper.py: CRUD colecciones imagenes y comparaciones
  - pipeline_pruebas.py: script end-to-end con CLI
  - requirements_imagenes.txt

- BACK_BACK/FLUJOS_APP_PRUEBAS.js: servidor Express ligero (port 3001)
  sin MongoDB para testear los demos de visualización

- VISUALIZACION/public/demos/: tres demos de 3d-force-graph
  - demo_text_nodes.html: nodos como texto (three-spritetext)
  - demo_img_nodes.html: nodos como imágenes (THREE.Sprite)
  - demo_mixed_nodes.html: cards HTML en 3D (CSS2DRenderer)

Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>

BACK_BACK/IMAGENES/image_comparator.py

@@ -0,0 +1,158 @@
+"""
+image_comparator.py
+-------------------
+Compara keywords de imágenes con documentos de texto (noticias, wikipedia, torrents)
+usando similitud TF-IDF coseno.
+
+Produce documentos para la colección 'comparaciones' de MongoDB,
+con la misma estructura que los comparaciones texto-texto ya existentes:
+  { noticia1, noticia2, porcentaje_similitud }
+
+Ampliado con campos opcionales: source1_type, source2_type (para saber qué se comparó).
+
+Uso:
+    comp = ImageComparator()
+    resultados = comp.compare_image_vs_collection(imagen_doc, lista_docs_texto)
+    top = comp.top_n(resultados, n=10)
+"""
+
+from sklearn.feature_extraction.text import TfidfVectorizer
+from sklearn.metrics.pairwise import cosine_similarity
+import numpy as np
+
+
+# ── Clase principal ─────────────────────────────────────────────────────────────
+
+class ImageComparator:
+
+    def __init__(self, threshold: float = 5.0):
+        """
+        Args:
+            threshold: porcentaje mínimo de similitud para incluir en resultados (0-100)
+        """
+        self.threshold = threshold
+        self.vectorizer = TfidfVectorizer(
+            analyzer="word",
+            ngram_range=(1, 2),
+            min_df=1,
+            strip_accents="unicode",
+            lowercase=True,
+        )
+
+    # ── Conversión de documentos a texto ──────────────────────────────────────
+
+    @staticmethod
+    def doc_to_text(doc: dict) -> str:
+        """
+        Concatena los campos relevantes de un documento en un string para TF-IDF.
+        Compatible con estructura de noticias/wikipedia/torrents/imagenes.
+        """
+        parts = []
+        # keywords de imágenes (lista) — los más informativos, se repiten para darles peso
+        if doc.get("keywords"):
+            kws = doc["keywords"] if isinstance(doc["keywords"], list) else []
+            parts.extend(kws * 3)   # peso extra a keywords
+        # campos de texto estándar
+        for field in ("tema", "subtema", "texto"):
+            val = doc.get(field)
+            if val and isinstance(val, str):
+                parts.append(val)
+        # entidades
+        if doc.get("entidades"):
+            parts.extend(doc["entidades"])
+        return " ".join(parts)
+
+    # ── Comparación imagen vs lista de documentos ─────────────────────────────
+
+    def compare_image_vs_collection(
+        self,
+        image_doc: dict,
+        text_docs: list[dict],
+    ) -> list[dict]:
+        """
+        Compara una imagen contra una lista de documentos de texto.
+
+        Returns:
+            Lista de dicts ordenados por porcentaje_similitud desc, filtrados por threshold.
+        """
+        if not text_docs:
+            return []
+
+        all_docs = [image_doc] + text_docs
+        texts = [self.doc_to_text(d) for d in all_docs]
+
+        try:
+            matrix = self.vectorizer.fit_transform(texts)
+        except ValueError:
+            return []
+
+        # Similitud de imagen (índice 0) contra todos los demás
+        sims = cosine_similarity(matrix[0:1], matrix[1:]).flatten()
+
+        comparaciones = []
+        for doc, sim in zip(text_docs, sims):
+            pct = round(float(sim) * 100, 2)
+            if pct < self.threshold:
+                continue
+
+            comparaciones.append({
+                # Campos compatibles con colección 'comparaciones' existente
+                "noticia1":             image_doc.get("archivo", "imagen"),
+                "noticia2":             doc.get("archivo", str(doc.get("_id", ""))),
+                "porcentaje_similitud": pct,
+                # Campos extendidos (opcionales — no rompen queries existentes)
+                "source1_type":         "imagen",
+                "source2_type":         doc.get("source_type", "texto"),
+                "tema_imagen":          image_doc.get("tema", ""),
+                "tema_doc":             doc.get("tema", ""),
+            })
+
+        comparaciones.sort(key=lambda x: x["porcentaje_similitud"], reverse=True)
+        return comparaciones
+
+    # ── Comparación muchas imágenes vs colección ───────────────────────────────
+
+    def compare_batch(
+        self,
+        image_docs: list[dict],
+        text_docs: list[dict],
+    ) -> list[dict]:
+        """
+        Compara múltiples imágenes contra una colección de documentos.
+
+        Returns:
+            Todos los pares con similitud >= threshold, sin duplicados.
+        """
+        all_comparaciones = []
+        seen = set()
+
+        for img_doc in image_docs:
+            results = self.compare_image_vs_collection(img_doc, text_docs)
+            for r in results:
+                key = (r["noticia1"], r["noticia2"])
+                if key not in seen:
+                    seen.add(key)
+                    all_comparaciones.append(r)
+
+        all_comparaciones.sort(key=lambda x: x["porcentaje_similitud"], reverse=True)
+        return all_comparaciones
+
+    # ── Helpers ────────────────────────────────────────────────────────────────
+
+    @staticmethod
+    def top_n(comparaciones: list[dict], n: int = 20) -> list[dict]:
+        return sorted(comparaciones, key=lambda x: x["porcentaje_similitud"], reverse=True)[:n]
+
+    @staticmethod
+    def stats(comparaciones: list[dict]) -> dict:
+        if not comparaciones:
+            return {"total": 0}
+        sims = [c["porcentaje_similitud"] for c in comparaciones]
+        return {
+            "total":    len(sims),
+            "media":    round(np.mean(sims), 2),
+            "max":      round(max(sims), 2),
+            "min":      round(min(sims), 2),
+            "sobre_50": sum(1 for s in sims if s >= 50),
+            "sobre_70": sum(1 for s in sims if s >= 70),
+        }