Idea de proyecto | Terapeuta de IA

Título del proyecto: Terapeuta de IA

Introducción: la entrada es una descripción proporcionada por el usuario sobre cómo fue su día en dos o tres líneas. Mediante el procesamiento del lenguaje natural, nuestro programa detecta cómo se siente el usuario. Puede sentirse deprimido, temido, enojado, etc. Luego, se utiliza un sistema de recomendación para mostrarle contenido basado en sus emociones actuales. Por ejemplo, si el usuario se siente deprimido, el programa le mostrará pensamientos motivacionales, blogs, etc.

Marco conceptual:
El proyecto será una combinación de procesamiento de lenguaje natural y sistema de recomendación. El modelo de tubería construido a través de NLP colocará la entrada del usuario en cualquiera de las clases ‘A’, ‘B’, ‘C’, ‘D’.
Clase A: Ira
Clase B: Depresión menor
Clase C: Depresión grave
Clase D: Miedo
Después de esto, el sistema de recomendación recomendará citas y discursos pertenecientes a una clase en particular para ayudar al usuario.

Código:

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
import string
from nltk.corpus import stopwords
  
#data is our input dataset containing user input lines and it has a column of emotional class. 
#The code will not work in IDE as no dataset has been provided
  
  
#function to remove punctuations and stopwords
def function_preprocess (mess):
    nopunc = []
    for char in mess :
        if char not in string.punctuation:
            nopunc.append(char)
    nopunc=''.join(nopunc)
    clean = []
    for word in nopunc.split():
        word = word.lower()
        if word not in stopwords.words('english'):
            clean.append(word)
    return clean
  
from sklearn.pipeline import Pipeline 
from sklearn.naive_bayes import MultinomialNB
from sklearn.feature_extraction.text import CountVectorizer as cv
from sklearn.feature_extraction.text import TfidfTransformer
  
#building our NLP model using naive bayes as classifier
pipeline = Pipeline([('bow', cv(analyzer=function_preprocess)),
                    ('tfidf', TfidfTransformer()),
                    ('classifier', MultinomialNB()),
                    ])
pipeline.fit(data, emotional_class)

El sistema de recomendación se creará utilizando técnicas de filtrado colaborativo basadas en vecinos, ya que sugeriría las cosas que fueron útiles para usuarios similares.

Herramientas utilizadas:
1. Lenguaje utilizado: Python
2. Algoritmos: Filtrado colaborativo, Naive bayes, Procesamiento del lenguaje natural

Aplicación:
1. Se puede utilizar para identificar a las personas que sufren de depresión, ansiedad, etc. y, al mismo tiempo, ayudarlas también.
2. Si el usuario sufre de depresión, el programa le recomendará que visite a un médico y también informará a sus familiares sobre lo mismo.
3. Si el usuario está enojado con frecuencia, el programa le sugerirá consejos para controlar la ira.
4. Este modelo será útil para los psiquiatras y terapeutas para curar a sus clientes.

Miembros del equipo:
1. Abhay Gupta
2. Abhinav Tripathi

Si te gusta GeeksforGeeks y te gustaría contribuir, también puedes escribir un artículo usando write.geeksforgeeks.org o enviar tu artículo por correo a review-team@geeksforgeeks.org. Vea su artículo que aparece en la página principal de GeeksforGeeks y ayude a otros Geeks.

Escriba comentarios si encuentra algo incorrecto o si desea compartir más información sobre el tema tratado anteriormente.