对个性和情感的React-Flask文本分析
人格预测的模型是随机森林回归者和随机森林分类器。这些模型在MyPersonality项目的数据集上进行了培训。关于5个人格测试也存在类似的数据集。模型使用回归模型产生了预测的人格评分，并使用分类模型为每个人格特征提供了二进制类别的概率。
情感分析的模型是使用IMDB数据集训练的Pytorch经常性神经网络LSTM深度学习模型。有多种下载此大型评论数据集的方法。简单的将使用简单的shell脚本：
mkdir ../data wget -O ../data/aclImdb_v1.tar.gz http://ai.stanf*o**rd.edu/~amaas/data/sentiment/aclImdb_v1.tar.gz tar -zxf ../data/aclImdb_v1.tar.gz -C ../data
数据文件全部存储以进行评估和检查数据文件夹。
技术
- 后端
- 烧瓶
- 前端
- 反应
使用React.js的Web应用程序部署
创建反应应用以创建一个基本的React应用程序。接下来，加载了引导程序，这使我们能够为每个屏幕大小创建响应式网站。在app.js文件中，添加了带有textarea和预测按钮的表单。将每个表单属性添加到状态并按下预测按钮时，将数据发送到烧瓶后端。 app.css文件将样式添加到页面上。
烧瓶应用程序具有后点 /预测。它接受输入值作为JSON，将其转换为一个数组，并使用存储在静态文件夹中的模型作为腌制文件进行预测，并将预测结果返回JSON。
克隆回购到您的计算机，然后进入其中并在此处打开两个终端。
在第一个端子中，使用CD UI进入UI文件夹。做
$ npm install
要在开发模式下查看UI，只需运行：
npm install npm start
要在服务器上运行UI，我们将使用服务。我们将首先安装全球播放，发布，我们将构建我们的应用程序，然后最终使用端口3000上的服务运行UI。
npm install -g serve npm run build serve -s build -l 3000
您现在可以转到Localhost：3000，以查看UI正在运行。但是它不会与仍然没有上升的烧瓶服务相互作用。因此，准备第二个终端上的服务，使用CD服务在服务文件夹中移动。我们首先创建虚拟环境并使用Conda Miniforge3 Libray和Python 3.9的Conda安装安装依赖项。最后，我们将运行烧瓶应用程序。
conda activate ml python app.py
这将通过127.0.0.1：5000后端启动服务。一个人可以转到Localhost通过服务器测试后端。
