hacknoteのKawaguchiです！
本日はPersonality insightsを使ってみました。
Personality insights(人格分析)は、IBM Watsonサービスの一つであり、文章からその人の個性や人間性を分析できるサービスです。
こちらに自分の今までのWordpressでの投稿データを入れ、人格分析をしてみます。
手順
１.IBMクラウドの利用登録
2.personality insightsのインスタンス作成
3.分析したい文章を準備する（txt、json、csvなど。今回はtxtファイル）
4.コマンドラインツールでコマンド入力し、リクエストデータを送信
１.IBMクラウドの利用登録
まずはこちらからアカウント作成
2.personality insightsのインスタンス作成
“リソースの作成”をクリック
フィルターでpersonality insightsと入力し
“Personality Insights”を選択
該当するもの各々入力し、作成(※ここの”デプロイする地域/ロケーションの選択”によってコマンドラインツールでの入力が一部変わるので注意)
作成したら管理からAPIkeyをコピーしてどこかにメモっておきましょう(左タブにある”サービス資格情報”からも見れます)
3.分析したい文章を準備する
分析したい文章を用意します。最低１００単語以上が必須ですが、確度の高い分析結果を得るためには、最低1,200単語以上のテキスト入力が推奨されています。
今回はWordpressの自分の今までの投稿をまとめて分析にかけたいので、まずWordpressのコピー環境(データベース)を用意し、そこからデータを引っ張ってテキストファイルに出力し、それを使用しました。
4.コマンドラインツールでコマンド入力し、リクエストデータを送信
送信したコードはこんなかんじです。curlコマンドでURLの場所に、POSTメソッドでリクエストを送信し、jqコマンドで返ってきたデータ(json)を整形しています。
curl -X POST -u "apikey:{APIkey}" \
--header "Content-Type: text/plain" \
--header "Content-Language: ja" \
--header "Accept: application/json" \
--data-binary "@{path_to_file}test.txt" \
"https://gateway-tok.watsonplatform.net/personality-insights/api/v3/profile?version=2017-10-13&consumption_preferences=true&raw_scores=true" \
|jq
＜以下詳細説明＞
一行目 ： {APIkey}ですが、これは手順２でコピーしたAPIkeyにあたります。
二行目 ： ”Content-Type”は入力コンテンツをプレーンテキスト（text/plain）、HTML（text/html）、または
JSON（application/json）として指定できます。
三行目 ： ”Content-Language”は入力テキストの言語を記入します。デフォルトでは英語:enになっています。今回は
日本語なので”ja”で指定しています。（他：es（スペイン）,ko（韓国）, fr（フランス）…etc）
四行目 ： ”Accept”は受信可能なレスポンスデータのメディアタイプを指定します。省略した場合は，すべてのタイプが 受信可能であることを表す「*」が指定されたと見なされます。
五行目 ： {path_to_file}は、分析したいテキストファイルがある場所までのパスを指定します。
（例：”@/home/user1/test.txt)
六行目 ： ”https://gateway-tok.watsonplatform.net/personality-insights/api/v3/profile”にリクエストを送信します
＆の後ろはなくても大丈夫です
version=2017-10-13 : 照会パラメーターによってインターフェース・バージョンを指定して、その更新で 使用可能になった新しいフィーチャーおよび機能を使用します。
consumption_preferences=true : 消費嗜好性の結果も表示してくれます。
raw_scores=true : 結果がサンプル母集団と比較されない、筆者のテキストとその特性のモデルのみに基づい
ているスコアが表示されるようになります。
※私はpersonalityinsightsのインスタンス作成時に”東京”を選択したため、サービスエンドポイントが、https://gateway-tok .watsonplatform.net/personality-insights/apiになっています。他の地域選択の場合ここが変わります
詳しくはこちらを参考にしてください。
七行目 ： 応答がjsonデータで返ってくるため、jqコマンドを用いてデータを整形して見やすくしています。整形しない
と非常に見づらいです..。
結果の見方
上記のリクエストで以下のような結果が返ってきました（長いので省略しています）。
...
{
"word_count": 5871,
"processed_language": "ja",
"personality": [
{
"trait_id": "big5_openness",
"name": "Openness",
"category": "personality",
"percentile": 0.9372076937331174,
"raw_score": 0.6567710772497886,
"significant": true,
"children": [
{
"trait_id": "facet_adventurousness",
"name": "Adventurousness",
"category": "personality",
"percentile": 0.902446787609106,
"raw_score": 0.6447105923794436,
"significant": true
}
...
]
}
],
"needs": [
{
"trait_id": "need_challenge",
"name": "Challenge",
"category": "needs",
"percentile": 0.1565726887688776,
"raw_score": 0.548196186301491,
"significant": true
}
...
],
"values": [
{
"trait_id": "value_conservation",
"name": "Conservation",
"category": "values",
"percentile": 0.01684160335671242,
"raw_score": 0.6530251960609705,
"significant": true
}
...
],
"consumption_preferences": [
{
"consumption_preference_category_id": "consumption_preferences_shopping",
"name": "Purchasing Preferences",
"consumption_preferences": [
{
"consumption_preference_id": "consumption_preferences_automobile_ownership_cost",
"name": "Likely to be sensitive to ownership cost when buying automobiles",
"score": 1
}
...
]
}
],
"warnings": []
}
まずパーソナリティーの特性を、ビッグ・ファイブ(big5)、価値、ニーズの3つに分割して結果が出力されます。今回リクエストでconsumption_preferences=trueにしたため、消費嗜好性の結果も表示されています。それぞれ説明すると
・ビックファイブ : 協調性、誠実性、外向性、情緒不安定性、開放性の５つの主要ディメンションを指します
(詳細はこちら)。
・ニーズ : 個人の共感を呼ぶ商品の側面を説明します。このモデルには、12 個の特徴ニーズが含まれます
(詳細はこちら)。
・価値 : 個人の意思決定に影響を与える動機付け因子を説明します。このモデルには、5つの価値が含まれます
(詳細はこちら)。
・消費嗜好性 : 大きく8つのカテゴリーにグループ分けされており、さまざまな商品、サービス、およびアクティビティーを
筆者が好む可能性を示します（詳細はこちら)。
結果の見方については以下参考。(詳細はこちら)
＜ビックファイブ、価値、ニーズ＞
・word_count : 入力テキストの単語数
・processed_language : 入力処理するために使用された言語
・trait_id : 特性の固有のID(big5_{},facet_{},need_{},value_{}の形式があります)
・name : 特性の名前
・category : 特性のカテゴリ
・percentile : 正規化されたスコア（百分位数,0~1の範囲）
・row_score : 生のスコア。サンプル母集団と比較されていないそのままの結果（0~1までの範囲）
・significant : 特性が入力言語にとって意味があるかどうかを示す
・warnings ： 入力したテキストに何かしらあったら入ってくるメッセージ
・children : ビッグファイブの各因子のより詳細な結果が入った配列。ビッグファイブに関するフィールドのときのみ返さ
れます
＜消費嗜好＞
・consumption_preference_category_id : 消費嗜好カテゴリーの固有のID
・name : 消費嗜好名
・score : テキスト筆者が様々な商品、サービス、アクティビティーを好む可能性を示します（0~1までの範囲）
(詳細はこちら)
数値が高い方が当該する項目の特性、可能性が高いです。
私の結果はOpenness（開放性）が高く、中でもAdventurousness（冒険）が高いのですが、Conservation(不変)が低い模様。また、消費嗜好を見てみると、consumption_preferences_automobile_ownership_costのスコアが高いです。
したがって、上記に載せたサイトから各々まとめてみると、「新しい活動を試してみたり、違うことを経験したりするのに熱心で、自己制約、秩序、および変化への抵抗を重視せず、車を購入するときに所有コストを重視する」という結果でした。
