Trabajo de Reconocimiento de Estilos Literarios y Evaluación de Similitud con respecto a Escritos Martianos.
| Nombre(s) y Apellidos | Correo | Grupo |
|---|---|---|
| Thalia Blanco Figueras | [email protected] | C-512 |
| Eziel C. Ramos Piñón | [email protected] | C-511 |
| Ariel Plasencia Díaz | [email protected] | C-512 |
El trabajo se propone predecir a partir un texto de entrada, su similitud, en cuanto al estilo, con el estilo empleado por Martí. Para ello se entrena con una serie de documentos escritos por José Martí y con documentos llevados a cabo por otros escritores. La evaluación de similitud se logra con el uso de algoritmos de Inteligencia Artificial, tanto de aprendizaje supervisado (Naive Bayes) como de no supervisado (KMEANS).
Para poder hacer uso del código, se requieren de varias dependencias. En requirements.txt se encuentra, para instalarlas basta con ubicarse en la ruta de la carpeta y correr el comando:
pip install -r requirements.txt
Para correr el programa, ubicarse en la ruta de la carpeta y escribir el comando:
python3 main.py
Para construir los vectores asociados a los datos de entrenamiento, ubicarse en la ruta de la carpeta y correr el comando:
python3 docProcess.py
Una vez que se haya ejecutado el comando para correr el programa, se mostrarán en consola las formas de recibir los documentos a evaluar:
1- Hacer uso de los documentos de test ubicados en la carpeta testData. Si se desea incorporar algún otro documento se recomienda, que si se conoce de antemano el autor, se ubique en la carpeta correspondiente (si es de Martí en la carpeta testData/marti de lo contrario en testData/otros) para poder así evaluar el algoritmo. En caso que no se conozca el escritor ubicar en cualquiera de las dos carpetas y basar el resultado en la predicción obtenida.
2- Introducir el nombre de la ruta (respectiva a la carpeta del proyecto) donde se encuentran los textos que se desean procesar.
Se mostrarán luego los posibles algoritmos a emplear para llevar a cabo esta estimación:
1- Naive Bayes (Supervisado).
2- Kmeans (No Supervisado).
3- Ambos. En caso de que se seleccione esta opción y los datos a estimar sean los ubicado en la carpeta testData, se lleva a cabo una comparación de ambos algoritmos basados en la cantidad de aciertos que se obtuvieron en la predicción en correspondencia a la carpeta en que estaban ubicados (o sea si están en la carpeta testData/marti se asume que es de Martí y análogamente para los ubicados en la carpetatestData/otros).
Se proveen también algunas métricas que evalúan los algoritmos.
En caso que se deseen construir los vectores asociados a los datos de entrenamiento, correr el comando anteriormente dicho. Este algoritmo procesa documentos sumamente extensos, el proceso es sumamente lento. En la carpeta vector se encuentran ya ubicados los vectores asociados a los documentos de entrenamiento (los ubicados en data), en set.csv.