Gracias al resumen de puntos clave, puede extraer información detallada y procesable de una gran colección de textos que representan las opiniones de las personas.
Cuándo utilizar el resumen de puntos clave
Cuando tienes una gran colección de textos que representan las opiniones de las personas (como reseñas de productos, respuestas a encuestas o comentarios en las redes sociales), es difícil comprender las cuestiones clave que surgen de los datos. Revisar miles de comentarios es prohibitivamente caro. Los enfoques automatizados a menudo se limitan a identificar frases o conceptos recurrentes y el sentimiento general hacia ellos, pero no brindan información detallada o procesable. Gracias al resumen de puntos clave (KPS), puede extraer esta información detallada y procesable de forma organizada y jerárquica.
Cómo funciona el resumen de puntos clave
KPS divide los datos en frases y detecta la postura de cada una (positiva, negativa, neutral). Luego identifica puntos clave de estas oraciones y relaciona las oraciones restantes con estos puntos clave. Se elimina cualquier duplicación y los puntos clave relacionados se organizan de forma jerárquica. La prevalencia de cada punto clave se cuantifica por el número de oraciones coincidentes.
Cómo utilizar el resumen de puntos clave
KPS sólo está disponible en estos entornos de portátil:
NLP + DO Runtime 24.1 on Python 3.11GPU V100 Runtime 24.1 on Python 3.11
El análisis utiliza grandes modelos lingüísticos y, por tanto, necesita una GPU.
- Ejecutar y probar KPS con un pequeño subconjunto de los datos utilizando un entorno de sólo CPU:
NLP + DO Runtime 24.1 on Python 3.11 - Ejecutar el KPS a escala en cientos o miles de comentarios utilizando un entorno con una GPU:
GPU V100 Runtime 24.1 on Python 3.11
Estos dos entornos incluyen los paquetes Python necesarios para ejecutar KPS.
Para ver un ejemplo de cómo utilizar KPS, consulte la cuaderno de ejemplo.
Tema principal: Cuadernos y guiones