Watson Personality Insights

Aplicación que simula una herramienta que ayuda a pronosticar las características, las necesidades y los valores de la personalidad por medio de textos escritos. Ayuda a comprender los hábitos y las preferencias de los clientes a nivel individual y a escala.

Prework:

• Cuenta de IBM Cloud
• Instalar CLI de IBM Cloud
• Cuenta en GitHub
• Instalar CLI de GitHub o instalar GitHub Desktop
• NodeJS
• Utilizar safari, chrome, firefox, edge

Contenido

Empezaremos creando nuestro servicio dentro de IBM Cloud. Para esto, iremos a la parte de catalogo y buscaremos Personality Insihgts.

Seleccionamos la region mas cercana, la version LITE, lo nombramos, y le agregamos los TAGS necesarios, para finalizar le daremos click en crear.

Ya que estemos dentro de la pagina principal del servicio donde encontraremos más información de como implementarlo, damos click en Service Credentials.

Click en View Credentials para verlas y copiarlas, ya que lo usaremos mas adelante (en caso de que no se haya creado de manera automatica, podemos generar una con New Credential+)

Forkeamos y clonamos este repositorio.

podemos usar en la terminal, estando en el escritorio

git clone <url-del-repositorio>

Ya que este clonado, abrimos en el editor de texto de su elección app.js y en la linea 15 y 16 llenaremos los datos de la siguiente manera:

username: 'apikey',
password: '<el valor que tenemos en las credenciales apikey>'

Ejecucion local

Ejecuta los siguientes comandos en la terminal, en la carpeta clonada:

npm install
node app

Usa el link http://localhost:8080 para cargar la aplicacion web en el navegador.

Datos importantes

Ya que se haga el llenado del formulario, nos pasara a la siguiente donde nos mostrara 5 caracteristicas de personalidad, pero en la terminal nos arrojara gracias a Estructurador.js toda la información que el servicio nos da. Es importante que el escrito contenga cierto numero de palabras, como se muestra a continuacion:

• 3000 palabras son suficientes para conseguir la máxima precisión del servicio.
• Al menos 1200 palabras da como resultado un MAE que está dentro del dos por ciento del mejor MAE que puede devolver el servicio.
• Entre 600 y 1200 palabras da como resultado un MAE que está dentro del tres por ciento del mejor MAE que puede devolver el servicio.
• Menos de 600 palabras generan un aviso, pero el servicio sigue analizando la entrada.
• Menos de 100 palabras generan un error.

Error absoluto medio promedio (MAE, Average Mean Absolute Error)