Este proyecto usa el framework de embeddings SentenceTransformer, UMAP y varias bibliotecas de Python, podemos crear una representación visual que revela las conexiones semánticas en un conjunto de datos de texto.
Este script toma un archivo CSV que contiene opiniones y comentarios sobre los gustos musicales, obtenidos de una pregunta que publique en mi Instagram, y los convierte en vectores multidimencionales con SentenceTransformer.
Luego, para lograr la visualizacion, hay que reducir los vectores a solo dos dimensiones utilizando UMAP (Uniform Manifold Approximation and Projection).
El resultado es un grafico donde la proximidad de los puntos representa la similitud semántica.
En este proyecto, los puntos azules son NPCs, que representan personajes generados mediante GPT-4, cada uno con sus propias opiniones y gustos musicales. Estos fueron creados en base a las respuestas originales.
La inclusión de NPCs en este proyecto permite aumentar la cantidad de datos disponibles para el análisis, lo que ayuda a ampliar el grafico para revelar patrones y conexiones más profundas. Además, proporciona un punto de comparación interesante para las opiniones de mis amigos humanos.
- Asegúrate de tener todas las bibliotecas requeridas instaladas en tu entorno Python.
- Puedes usar 'data.csv' que tiene la data de los NPCs. O puedes crear tu propio dataset, solo tienes que reemplazar las dos columnas: una para los nombres (ya sean humanos o NPCs) y otra para los párrafos de texto.
- Ejecuta el script.