10 Feb Twitter e inteligencia artificial en la empresa
Una de las aplicaciones que las empresas pueden necesitar es entender y conocer el análisis del sentimiento de la marca, de un producto, etc en las redes sociales, por ejemplo el Análisis de sentimiento en twitter. Es decir, como de bien o de mal se está hablando en tiempo real en las redes sociales de una cuestión concreta, generalmente relacionada con una empresa, marca o producto/servicio. En este post quisiera explicar brevemente las características generales de un proyecto de análisis de sentimiento basado en el uso de la inteligencia artificial y en concreto en redes neuronales.
twitter e inteligencia artificial en la empresa
El análisis de sentimiento en inteligencia artificial se puede realizar mediante el uso de sistemas basados en redes neuronales o sistemas de clasificación, como puede ser un clasificador bayesiano. No quiero entrar en más términos técnicos puesto que quisiera explicar al lector los pasos más importantes para desarrollar este tipo de proyectos.
- Datos clasificados. El primer paso es disponer de lo que denominamos dataset (conjunto de datos, un Excel por ejemplo) con información de tweets sobre la temática que estamos analizando clasificados o puntuados según su sentimiento. Es decir, partimos de ejemplos para lo que denominamos train (o entrenamiento) de nuestro sistema de inteligencia artificial.
- Datos pre-procesados. Es ideal en problemas donde en realidad estamos evaluando lenguaje natural (los tweets) eliminar información que no es relevante, típicamente puntos, comas, puntos y comas, paréntesis, pronombres y artículos, etc para que el sistema reciba como entrada verbos, adjetivos, adverbios etc es decir, donde está realmente la información, el peso de la información. Adicionalmente otras técnicas se realizan para preparar la información antes de enviarla al sistema de inteligencia artificial, incluso si vamos a usar una red neuronal o un algoritmo de clasificación se deberán realizar vectorizaciones y normalizaciones de la información que se salen del objetivo de este post.
- Debemos seleccionar el sistema de clasificación bien se una red social o un sistema basado en otro clasificados que recibe como entrada los datos anteriormente limpios. En esta fase de train o entrenamiento el sistema aprende de los tweets que le enviamos cuales son positivos o negativos.
- A partir de ahí, con ajustes a nuestro sistema conseguimos lo que denominamos modelo que probaremos con otro conjunto de tweets que a priori sabemos su sentimiento pero que compararemos con lo que nos diga el sistema experto.
- Los puntos 3 y 4 se realizan hasta obtener un sistema inteligente que minimiza ciertos valores (error) o maximiza otros (cobertura)
- Una vez hemos llegado mediante iteraciones al sistema idóneo, podemos utilizarlo como nuestro modelo optimo (nunca perfecto) para poder enviar los futuros tweets y analizar su sentimiento, lo que denominamos predicciones.
- Estos análisis deberán ser almacenados en una base de datos para poder extraer conclusiones, por ejemplo, cómo ha afectado en unas fechas concretas una campaña de marketing a la opinión en tweet sobre nuestros servicios.
- Adicionalmente los nuevos tweets clasificados revisados pueden añadirse al dataset de train para mejorar nuestro modelo basado en inteligencia artificial.
Conclusiones
Los sistemas de análisis de sentimiento para aquellas empresas que gestionan redes sociales y cuya reputación de marca, empresa, producto o servicio es importante tienen con la inteligencia artificial una herramienta clave para poder monitorizar y gestionar la imagen o temperatura de las redes sociales. Si usted tiene esta problemática debería plantearse las ventajas de este tipo de problemática.
Estos proyectos de Inteligencia Artificial aplicada a la empres se encuadran en lo que denominamos Natural Language Processing(NLP), es decir, ser capaces de entender el lenguaje natural. Chatbots son otro ejemplo que podemos nombrar de este tipo de proyectos.
Luis Vilanova Blanco. IA Expert.
911277300
luis@luisvilanova.es