Detection emotion

A propos • Installation • Technologie utilisé

A propos

Ce repository est composé d'un serveur et d'un client. Projet universitaire en groupe

Try online

https://thavarasa.name/heroku/?name=bert-sentiment-analysis-2022

https://bert-sentiment-analysis-2022.herokuapp.com/

Technologies

Client :

# No framework (vanilla)

Server :

  # Environnement : 
    - Python
  
  # Base de donnée : 
    - MySQL

  # Container : 
    - Docker

Model & Accuracy:

  # Traditional methods : 
    - Logistic Regression 87.40
    - Naïve Bayes (in process)

  # Deep Learning methods :
    - RNN (LSTM) 77.07
    - DNN (BERT) 93.02

Installation

Depuis votre terminal de commande :

# Cloner le repertoire
$ git clone https://github.com/Andy-d-g/Predicteur-d-emotions.git

# Aller dans le repertoire
$ cd Predicteur-d-emotions/

# Install dependencies
$ pip3 install --no-cache-dir -r ./Server/requirements.txt
$ pip3 install --default-timeout=100 --no-cache-dir torch==1.10.2

# Install bert model
$ python3 ./Server/utils/download_model.py 1KVo4Z1vThfHI732Asg-OeIYTISwV1kpe ./Server/Model/bert.pickle

# Lancer Mysql
$ mysql.server start (macOS)

# Permettre à MySql de charger des fichiers 
$ mysql
$ set global local_infile=true;
$ exit;

# Changement les identifiants de connexion à la base de donnée (Server/api.py:28)

# Lancer le projet
$ cd Server
$ uvicorn api:app --host 0.0.0.0 --port 8000 --reload

# Ouvrir index.html
$ open Client/index.html

Build & Run model with Docker (not working for moment : probleme with DB) :

• How to install docker

# build docker image
docker build -t mymodel -f Dockerfile .

# run docker image 
docker run -p 8000:8000 mymodel

# use : 
http://localhost:8000/text/{text to predict}/{sentiment}

Screenshot

Sources

• Bert Model

Contributeurs

@Andy-d-g @pthavarasa @rolemoine @layaida @musescorecontributor