Patricio Rey y sus Vectorcitos de Ricota

Búsqueda por similitud semántica para canciones de Patricio Rey y sus Redonditos de Ricota, utilizando FastText.

Ejemplo de uso:

Palabra: insecto

[ Queso Ruso ]
   ...
   19  Mordiéndote la lengua por poco me engañás.
-> 20  Sentís la mosca joder detrás de la oreja  <-
   21  Y chupás la fruta sin poder morderla;
   ...

similitud: 0.54570127

[ Un Poco de Amor Francés ]
   ...
   16  Dijo y me conquistó
-> 17  (de esa miel no comen las hormigas).  <-

similitud: 0.5460269

En criollo: dada una palabra, busca palabras relacionadas en letras de los Redondos (por ejemplo, "insecto" -> "hormiga").

Instalar

Se requiere de Python 3.11 o superior así también como Poetry. Se recomienda contar con al menos 16 GB de RAM (preferiblemente 32).

git clone https://github.com/federicotdn/patricio-rey-y-sus-vectorcitos-de-ricota.git
cd patricio-rey-y-sus-vectorcitos-de-ricota
poetry install

Luego, se debe descargar el archivo de vectores FastText SUC para texto en español (formato .bin) de https://github.com/dccuchile/spanish-word-embeddings:

make download-model

El archivo tiene un tamaño de 5.6 GB.

Uso

Una vez instaladas las dependencias y descargado el modelo, se puede ejecutar el script de búsqueda de similitud semántica:

make run

El script solicitará una palabra y mostrará las canciones de Patricio Rey y sus Redonditos de Ricota que contienen la palabra ingresada, ordenadas por similitud semántica. Por ejemplo, buscando por la palabra "noche" se obtienen canciones con las palabras "amanecer", "noche", "día", etc.

Por defecto, la similitud coseno mínima para encontrar canciones es de 0.5. Este valor puede ser modificado ingresando un número en lugar de una palabra (por ejemplo, 0.6). Modificando este valor se pueden obtener resultados más o menos restrictivos.

Licencia

Este proyecto está bajo la licencia MIT. Ver el archivo LICENSE para más detalles.