Kingomac / MagicPersonalityMatcher

MagicPersonalityMatcher

Estructura de carpetas

.
├── backend
├── data
├── datasets
├── db
├── db_initialize
├── ml_model
├── notebooks
├── web_scraper
├── .gitignore
├── docker-compose.yml
├── README.md
└── requirements.txt

• backend
• data: reservado para los datos de la base de datos MySQL, es un volumen de /var/lib/myqsl del contendor.
• db: contiene el modelo y ORM de la base de datos como un módulo Python.
• db_initialize: módulo Python para conexión e inicialización de la base de datos.
• ml_model: carpeta para almacenar el resultado del entrenamiento con los notebooks.
• notebooks: Jupyeter Notebooks correspondientes a preprocesamiento y entrenamiento.
• web_scraper: módulo Python encargado del web scraping de Personality Database y poblado de la base de datos.

Estructura de contenedores

Se puede iniciar y desplegar algunos servicios usando contenedores Docker usando perfiles de Docker Compose:

• Por defecto se inician los contenedores de mysql y backend.
• --profile dev: inicia el contenedor de phpmyadmin.
• --profile init: ejecuta el script de web_scraper.

Estos perfiles se pueden combinar, por ejemplo:

# Primer inicio del proyecto con webscraping y phpmyadmin
$ docker-compose --profile dev --profile init up

# Inicio con datos existentes
$ docker-compose up

Setup paso por paso

La inicialización del proyecto se realiza en las siguientes etapas:

• Poblado de la base de datos con web_scraper
• Crear y entrenar modelo IA
• Backend
• Frontend

Poblado de la base de datos con web_scraper

Para descargar información de las series usando el web_scraper hay que volcar los links de las páginas a utilizar en web_scraper/links.txt. Luego se ejecuta el script usando Docker con docker-compose --profile dev --profile init up --build. Este script crea la base de datos, las tablas e inserta la información obtenida del web scraping.

⚠️ Las webs son propensas a cambios, de hecho, durante el desarrollo del script de inicialización (1 semana), la web cambió el nombre de una clase para un elemento HTML, lo que supuso reexaminar todo el código para ajustarlo a los nuevos cambios.

Crear y entrenar modelo IA

En este paso se ejecutarán los notebooks, se debe seguir el siguiente orden obteniendo los siguentes resultados:

1. Crear dataset: dataset_definitivo.csv.
2. Preprocesado: X_train.lzma, y_train.lzma, X_test.lzma, y_test.lzma, bow.lzma.
3. Entrenamiento: model.lzma

Una vez generados todos los ficheros, bow.lzma y model.lzma se deben colocar en la carpeta ml_model para ser accesibles por el backend:

.
├── backend
├── data
├── datasets
├── db
├── db_initialize
├── ml_model/
│   ├── bow.lzma
│   └── model.lzma
├── notebooks
├── web_scraper
├── .gitignore
├── docker-compose.yml
├── README.md
└── requirements.txt

Backend

Requiere usar el modelo de IA, por tanto require el modelo entrenado usando los notebooks de paso anterior.

Demo

Hay una demo para probar el modelo de Texto de Personalidad, que a partir de texto que se le escribe en consola, lo clasifica y muestra la personalidad predecida. Se puede ejecutar con el siguiente comando:

python -m demo.text_to_personality_demo

No requiere que la base de datos esté funcionando, pero si require la carpeta ml_model con bow.lzma y model.lzma