watson_tests/README.md
# Guia de uso Watson
## Observações
### Instalação
```
pip install --upgrade watson-developer-cloud
```
### Autenticação
Para loggar no sistema é necessário uma conta. Pode-se usar este [link](https://console.bluemix.net/registration/?target=%2Fcatalog%2Fservices%2Fnatural-language-understanding%3FhideTours%3Dtrue%26cm_mmc%3DOSocial_Tumblr-_-Watson%2BCore_Watson%2BCore%2B-%2BPlatform-_-WW_WW-_-wdc-ref%26cm_mmc%3DOSocial_Tumblr-_-Watson%2BCore_Watson%2BCore%2B-%2BPlatform-_-WW_WW-_-wdc-ref%26cm_mmca1%3D000000OF%26cm_mmca2%3D10000409&cm_mc_uid=34579651053815360869704&cm_mc_sid_50200000=81302361536086970412&cm_mc_sid_52640000=61577331536086970417)
e depois usando o painel de sua conta para acessar as credenciais. Estas devem ser usadas conforme:
```python
from watson_developer_cloud import NaturalLanguageUnderstandingV1
natural_language_understanding = NaturalLanguageUnderstandingV1(
version='{version}',
username='{username}',
password='{password}',
url='https://gateway-fra.watsonplatform.net/natural-language-understanding/api'
)
```
### Português
O Watson não disponibiliza algumas *features* para o português, como: análise de conceitos, emoções, relações ou papéis semânticos. Será focado agora no que a API pode produzir
## Keywords
Retorna as palavras chaves do texto em questão. Execute o programa **simple_keywords.py** para ver o output gerado:
```json
{
"usage": {
"text_characters": 211,
"text_units": 1,
"features": 1
},
"keywords": [
{
"relevance": 0.954154,
"text": "pasta dough"
},
{
"relevance": 0.884465,
"text": "pasta sauce"
}
],
"language": "en"
}
```
Como o texto usado fala de Ravioli, as palavras-chave encontradas se referem justamente a isso.
## Categories
Pelas análises feitas, esta é a seção que melhor funciona para português.Retorna as categorias mais relevantes. Execute o programa **categories.py** para ver o output:
```json
{
"usage": {
"features": 1,
"text_units": 1,
"text_characters": 1099
},
"language": "pt",
"categories": [
{
"score": 0.348674,
"label": "/business and industrial"
},
{
"score": 0.245297,
"label": "/technology and computing"
},
{
"score": 0.168891,
"label": "/technology and computing/software"
}
],
"retrieved_url": "www.ibm.com/br-pt/"
}
```
Aqui foi passada a url do site em potuguês da ibm.
## Entities
Aqui, são analisadas as entidades de um texto(pessoas, companhias...) Para testar o código foi passada a *url* da página do herói nacional Guilherme Briggs na wikipédia. Execute o programa **entities.py** para ver o output:
```json
{
"language": "pt",
"retrieved_url": "pt.wikipedia.org/wiki/Guilherme_Briggs",
"entities": [
{
"count": 8,
"text": "Guilherme Briggs",
"relevance": 0.954118,
"sentiment": {
"label": "positive",
"score": 0.0591588
},
"type": "Person"
}
],
"usage": {
"features": 1,
"text_characters": 8188,
"text_units": 1
}
}
```
Além disso, foi "setada" a flag para analisar o sentimento em relação à entidade, que aqui é positiva.