- Python 3.6.1
- pip 9.0.1
- virtualenv 15.1.0
Crie um novo virtualenv, ative e instale as dependencias:
virtualenv venv
source venv/bin/activate
pip install -r requirements.txt
Esta POC contém duas partes:
- Um notebook Jupyter que prepara os dados, treina o modelo e testa a performance final;
- Uma aplicação flask onde o resultado do modelo pode ser testado com novos textos;
Após ativar o virtualenv, entre no diretório model inicilize o Jupyter com o comando:
jupyter notebook
Garanta que seus dados de treinamento estão no diretorio train, dentro do diretório *modelo. Os dados de treinamento devem estar separados em arquivos, sendo que cada um deles deverá ter dados de apenas uma das classes. O modelo descobre as classes a partir do nome dos arquivos neste diretório. Para treinar novas classes basta apenas incluir novos arquivos neste diretório. Inicialmente estão disponíves as seguintes classes/arquivos:
- bossa_nova.csv
- funk.csv
- gospel.csv
- sertanejo.csv
Na primeira vez em que executar o notebook, descomente a linha #nltk.download() (dentro da seção
Configuração) para garantir que todo o corpus necessário esteja disponível localmente. As configurações
relevantes do modelo estão nesta célula e são:
- MODEL
- TRAINSET
- WORD_FEATURES
- TEST_RATIO
- RANDOM_SEED
- N_TREES
- CORES
Execute todas as células para gerar o modelo treinado.
As métricas de acuracidade encontram-se no final do notebook.
O modelo atual prevê o gênero para cada verso de uma música. Usando um Test SET aleatório com 20% dos versos o modelo possui uma acuracidade próxima a 70% para predição de gênero. Para prever o gênero de uma música adotamos como estratégia prever o gênero de cada verso e assumir o mais prevalente como predição final. Na POC atingimos uma acuracidade de 78% para todas as músicas disponíveis.
Para executar a aplicação, após ativar o virtualenv, entre no diretório app inicilize o servidor com
o comando:
FLASK_APP=app.py flask run
Acesse o browser na URL indicada e faça seus testes...