Archivo de categorías: Personalización

Entradas sobre la personalización disponible en MeaningCloud

Grabación del webinar: Resuelve los problemas de categorización de texto más complejos

Gracias a todos por vuestro interés en nuestro webinar “Una nueva herramienta para resolver problemas complejos de categorización de texto” que celebramos el pasado 18 de junio y donde explicamos cómo utilizar nuestra herramienta de personalización de Categorización Profunda para resolver escenarios de clasificación de texto donde las tecnologías tradicionales de aprendizaje automático presentan limitaciones.

En la sesión cubrimos estos puntos:

  • Desarrollando modelos de categorización en el mundo real
  • Categorización basada en aprendizaje automático puro
  • API de Categorización Profunda. Modelos predefinidos y packs verticales
  • La nueva Herramienta de Personalización de Categorización Profunda. Lenguaje de reglas semánticas
  • Caso real: desarrollo de un modelo de categorización
  • Categorización Profunda – Clasificación de Texto. ¿Cuándo usar una u otra?
  • Proceso ágil de desarrollo de modelos. Combinación con aprendizaje automático

IMPORTANTE: este artículo es un tutorial basado en la demostración que realizamos y que incluye los datos a analizar y los resultados del análisis.

¿Interesado? A continuación tienes la presentación y la grabación del webinar.

(This webinar was also delivered in English. Please find the recording here.)
Continuar leyendo


Aprende a desarrollar clasificadores de texto a medida (grabación del webinar)

El pasado día 4 de octubre presentamos nuestro webinar “Aprende a desarrollar clasificadores de texto a medida con MeaningCloud”. Gracias a todos por vuestra asistencia.

Empezamos presentando cómo realizar clasificación de texto con MeaningCloud y por qué es necesario desarrollar modelos a medida que se adapten al cada escenario concreto de aplicación. El grueso de la exposición consistió en utilizar un caso práctico (análisis de críticas de restaurantes) para mostrar cómo se pueden desarrollar esos modelos usando nuestro producto.

Continuar leyendo


Aprende a desarrollar clasificadores de texto a medida (webinar)

Descubre en este webinar como usar las herramientas de MeaningCloud para crear modelos de clasificación totalmente adaptados a tu escenario

Una de las preguntas más habituales que recibimos a través de nuestra línea de soporte es cómo hacer una clasificación de texto según taxonomías específicas de la aplicación. Por ejemplo, alguien que necesite analizar llamadas en el contact center y respuestas abiertas a encuestas de un banco puede estar interesado en clasificar esos mensajes según los diferentes tipos de productos y servicios de la entidad (depósitos, préstamos, hipotecas, etc.) o la naturaleza de la interacción (petición de información, contratación, reclamación, etc.).

Clasificación a medida

Continuar leyendo


Un análisis de sentimiento totalmente a tu medida con nuestra nueva herramienta de personalización

La adaptación al dominio es lo que marca la diferencia entre un análisis de sentimiento bueno y uno excepcional. Hasta ahora las posibilidades de adaptar el análisis de sentimiento de MeaningCloud a tu contexto se cifraban en utilizar diccionarios personales -para crear nuevas entidades y conceptos que la API de Sentiment Analysis utilizara para realizar su análisis basado en aspectos- o en solicitar a nuestro departamento de Servicios Profesionales que desarrollara un modelo de sentimiento a tu medida.

Sentiment Models buttonCon la publicación de Sentiment Analysis 2.1 incorporamos una nueva herramienta de personalización orientada a la creación de modelos de sentimientos personales. Esta herramienta utiliza a fondo nuestra tecnología de Procesamiento del Lenguaje Natural para permitiros ser autónomos y desarrollar -sin necesidad de programar- potentes motores de análisis de sentimiento adaptados a vuestras necesidades.

Otras herramientas para personalizar el análisis de sentimiento disponibles en el mercado permiten esencialmente definir “bolsas de palabras” con polaridad positiva o negativa. Nuestras herramientas van mucho más allá y hacen posible

  • Definir el papel de una palabra como vector de polaridad (contenedor, negador, modificador), permitiendo usar lemas para incorporar fácilmente las variantes de cada palabra
  • Especificar casos particulares de la polaridad de una palabra, dependiendo del contexto en el que aparece o de la función morfosintáctica que desempeña en cada caso
  • Definir expresiones multipalabra como elementos prioritarios en la evaluación de polaridad
  • Gestionar el modo en que estos modelos personales de polaridad complementan o sustituyen a los diccionarios generales de cada idioma.

Continuar leyendo


Analizando datos sobre salud en medios sociales

El análisis de medios sociales puede ser una buena inversión en el área de salud. A la gente le encanta compartir información en los medios sociales, incluso datos sobre salud. ¡Sí, es verdad! Y constituye el punto de partida del trabajo de investigación titulado ‘Exploring Spanish health social media for detecting drug effects’, cuyo objetivo es monitorizar las conversaciones en medios sociales para averiguar cómo hablan los usuarios sobre su relación con el consumo de fármacos. Esto permite identificar posibles efectos adversos hasta ahora desconocidos relacionados con dichos fármacos. Aunque existe un protocolo oficial para informar a las autoridades competentes de la existencia de algún efecto adverso no documentado, se llegan a comunicar solamente un 5 – 20 % de ellos. Además, se pueden analizar las conversaciones sobre fármacos, síntomas, condiciones y enfermedades para obtener más información. Por ejemplo, es posible descubrir cómo los usuarios buscan medicamentos específicos a través de los medios sociales o cómo algunos se dedican a venderlos, a menudo de forma ilegal; muchos otros hablan de la mezcla de alcohol con drogas u otras sustancias ilegales. Por supuesto, no todo lo que aparece en internet es fiable—este es otro tema—, pero puede estimular el planteamiento de nuevas hipótesis.

drugs

El equipo de investigación Grupo de Bases de Datos Avanzadas de la Universidad Carlos III de Madrid ha llevado a cabo la investigación mencionada y ha desarrollado modelos híbridos para obtener el conocimiento necesario para identificar efectos adversos. La plataforma de procesamiento del lenguaje natural que ha permitido el análisis basado en esos modelos es MeaningCloud. Las capacidades de personalización que ofrece esta plataforma han sido decisivas, puesto que han facilitado la integración de vocabulario específico y otros conocimientos del dominio de la medicina. Como sabemos, los nombres de los medicamentos y de los síntomas pueden ser muy complicados y a menudo no es fácil escribirlos adecuadamente. Los resultados del algoritmo son prometedores, ya que su recall es un 10 % mayor que el de otros algoritmos conocidos. Puedes encontrar más detalles en el artículo científico publicado por la revista BMC Medical Informatics and Decision Making Journal. Estos desarrollos forman parte del proyecto TrendMiner y están disponibles en la página web: TrendMiner Health Analytics Dashboard, que recopila los comentarios de los usuarios de medios sociales sobre fármacos antidepresivos. La consola muestra los antidepresivos mencionados junto con los síntomas relacionados; haciendo clic en cada uno de ellos se puede consultar su evolución a lo largo del tiempo. Además, en la parte inferior de la página se muestran los textos originales que se han analizado para extraer dichas menciones, los nombres de medicamentos, síntomas, enfermedades y cualquier relación haya sido identificada entre ellos. Esas relaciones pueden revelar si un fármaco es adecuado para un determinado síntoma o si una enfermedad es, en realidad, un efecto adverso provocado por el medicamento mencionado. El prototipo permite también hacer búsquedas utilizando el código ATC (Anatomical Therapeutic Chemical Classification System) y el nivel correspondiente según este sistema de clasificación. Si se activa la opción ‘By Active Substance’ [‘por principio activo’], se buscará cualquier fármaco contenga el principio activo del producto buscado. Por otro lado, la funcionalidad de búsqueda predictiva permitirá encontrar más fácilmente la expresión correcta para referirse a un fármaco o a una enfermedad.

Las empresas del dominio de salud y las farmacéuticas ya pueden explotar su información no estructurada


En la industria farmacéutica y de salud
, tenemos a nuestra disposición nuevas herramientas de ciencia de datos capaces de extraer información valiosa sobre documentos de redacción libre como las historias clínicas electrónicas. Es posible explotar la información asociada a datos como el coste de tratamientos médicos, su eficiencia (precio, ventajas y riesgos), referencias a fármacos, efectos secundarios o resultados a largo plazo.

[/raw]


Personaliza tus herramientas de analítica de texto (grabación de webinar)

El pasado día 12 presentamos nuestro webinar «Multiplica la exactitud de tu analítica de texto».

Hablamos de la necesidad de personalizar los procesos de analítica de texto -incorporando información del dominio- para mejorar la exactitud (precisión, cobertura) de estas herramientas. E hicimos un recorrido por las capacidades de MeaningCloud para personalizar las funciones de

  • Clasificación de texto
  • Extracción de información
  • Análisis de sentimiento.

Estas herramientas de personalización poseen interfaces gráficas de usuario y son muy sencillas de utilizar, empoderando a los usuarios para adaptar el sistema a su aplicación y poniendo al alcance de todo el mundo una analítica de texto de alta calidad. Creemos que en conjunto estas capacidades son únicas en el sector y ponen a MeaningCloud por delante de otras ofertas competitivas.

Para los que no pudisteis asistir al webinar, a continuación tenéis la presentación y la grabación.

(This webinar was also delivered in English. Please find the recording here.)

MeaningCloud Webinar – Multiplica la precisión de tu analítica de texto from MeaningCloud on Vimeo.


Multiplica la exactitud de tu analítica de texto con nuestras herramientas de personalización (webinar)

Las herramientas de analítica de texto son extraordinariamente valiosas para extraer el significado del contenido no estructurado, pero su exactitud está limitada por el uso de recursos lingüísticos genéricos. Por ejemplo, un sistema automático nunca va a identificar los productos de una empresa si estos no se han incorporado a los diccionarios de la herramienta.

Personalización de analítica de textoLa incorporación de recursos lingüísticos personales (modelos, diccionarios) permite a estas herramientas alcanzar altos niveles de precisión y cobertura, pero en general es un proceso caro, que exige un conocimiento profundo de estas tecnologías.

En MeaningCloud abogamos por democratizar el análisis semántico, poniéndolo al alcance de todos los usuarios y desarrolladores. Por eso MeaningCloud incorpora Customizer, un motor de personalización dotado de herramientas gráficas que permite a los usuarios crear sus propios modelos de clasificación y diccionarios de una manera interactiva y sencilla. Para que alguien que necesita analizar comentarios sobre hoteles en Londres pueda incorporar los establecimientos, atributos y vocabulario usados en este contexto.

Acompáñanos en este webinar de MeaningCloud y descubre de manera práctica cómo su herramienta Customizer te empodera para realizar una analítica de texto orientada a tu dominio con total autonomía y flexibilidad y la máxima precisión.

ACTUALIZACIÓN: este webinar ya ha tenido lugar. Accede a la documentación y a la grabación aquí: