calista engine

calista engine

Un motor impulsado por Deep Learning para medir la estética de su sitio web

Artículo: "Calista: un sistema basado en aprendizaje profundo para comprender y evaluar la estética de sitios web"

Citar como:

 @article{DELITZAS2023,
	title = {Calista: A deep learning-based system for understanding and evaluating website aesthetics},
	journal = {International Journal of Human-Computer Studies},
	volume = {175},
	pages = {103019},
	year = {2023},
	issn = {1071-5819},
	doi = {https://doi.org/10.1016/j.ijhcs.2023.103019},
	url = {https://www.sciencedirect.com/science/article/pii/S1071581923000253},
	author = {Alexandros Delitzas and Kyriakos C. Chatzidimitriou and Andreas L. Symeonidis}
}

como usar

• Paso 1: Inserta la URL de la página web cuya estética deseas evaluar

• Paso 2: Espere unos segundos hasta que se complete el proceso de evaluación.

• Paso 3: ¡La partitura estética está lista!

Requisitos previos

• Estibador
• Docker-componer

Despliegue

Paso 1: descargue el modelo previamente entrenado

Descargue el modelo en la carpeta CNN/src/cnn_model/ desde aquí.

Paso 2: variables de entorno (opcional)

Agregue un archivo .env en la carpeta raíz del proyecto y configure las siguientes variables:

variable de entorno	Descripción
URLBASE	URL base que se utiliza para las solicitudes

Paso 3 - Ejecutar

Comenzar:

 docker-compose -f docker-compose.yml up --build

Detener:

 Ctrl-C

Para modo independiente :

Comenzar:

 docker-compose -f docker-compose.yml up -d --build

Detener:

 docker-compose down