Twotuples 1.3.1

Libreria para clasificar texto

Twotuples: Clasificador de Texto con Lógica Difusa

La librería twotuples tiene como objetivo clasificar opiniones o comentarios en tres categorías: positivo (POS), negativo (NEG) o neutral (NEU).

A diferencia de otras librerías de procesamiento de lenguaje natural (NLP), twotuples utiliza tres clasificadores de texto robustos internamente y combina sus resultados utilizando un clasificador difuso basado en el modelo de 2-tuplas lingüísticas, ofreciendo resultados más precisos y de consenso.

Durante su desarrollo, la librería fue probada con 21,847 comentarios de hoteles extraídos de TripAdvisor, obteniendo resultados excelentes evaluados a través del análisis de diversas métricas.

Características

• Integración de múltiples modelos de estado del arte: Pysentimiento, Vader y Asent.
• Sistema de decisión consensuada basado en Lógica Difusa (Fuzzy Logic).
• Soporte para textos en Español. Traduce automáticamente los textos al inglés para los modelos que lo requieren.
• Exportación automática de resultados y métricas a archivos Excel.

Instalación

Puedes instalar la librería utilizando pip. Como la librería está alojada en TestPyPI, debes incluir el parámetro --extra-index-url para que las dependencias estándar se descarguen de PyPI correctamente.

pip install -i https://test.pypi.org/simple/ --extra-index-url https://pypi.org/simple/ Twotuples==1.1.1

[!TIP] Recomendación: Es altamente aconsejable ejecutar e instalar esta librería en entornos como Google Colab o un entorno virtual local dedicado, ya que requiere descargar modelos pesados de Machine Learning y diccionarios como transformers, spacy y los léxicos de nltk.

Uso Rápido (Quickstart)

1. Clasificación Difusa de Opiniones

Esta es la funcionalidad principal. Toma un archivo Excel con una columna de textos, ejecuta los tres modelos, aplica la lógica difusa y devuelve archivos Excel con las predicciones.

from Twotuples import Twotuples

# 1. Definimos la ruta al archivo y la columna a analizar
archivo_excel = "data.xlsx"
nombre_columna = "Opinion"

# 2. Ejecutamos el clasificador difuso
# NOTA: C=True habilita la traducción de los textos al inglés para los modelos Vader y Asent.
Twotuples.difuso_clasificator(data=archivo_excel, ColumnName=nombre_columna, C=True)

Archivos generados tras la ejecución:

• score_diffuse.xlsx: Archivo final recomendado. Contiene el texto original y una nueva columna llamada Clasicacion_Difusa con las etiquetas finales (POS, NEG, NEU).
• score_pysentiment.xlsx, score_vader.xlsx, score_asent.xlsx: Archivos con los resultados individuales por cada modelo.
• score.xlsx: Resumen unificado numérico.

2. Evaluación de Métricas

Si tu archivo Excel original contiene una columna con las etiquetas reales o esperadas (Ground Truth), puedes comparar las predicciones de la librería con la realidad utilizando la función Metric.

# Reporte de métricas (Precision, Recall, F1-Score)
# Sustituye 'Etiqueta_Real' por el nombre de la columna que contiene los valores esperados en tu Excel.
Twotuples.Metric(etiqueta='Etiqueta_Real', metric='ClassificationReport', sorter='difuse', ClassNumber=3)

# Mostrar la matriz de confusión de forma gráfica
Twotuples.Metric(etiqueta='Etiqueta_Real', metric='ConfusionMatrix', sorter='difuse', ClassNumber=3)

Referencia de la API

Twotuples.difuso_clasificator(data, ColumnName, C=False)

Ejecuta la predicción sobre un dataset completo.

• data (str): Ruta al archivo .xlsx que contiene los datos. Debe tener una hoja llamada Sheet1.
• ColumnName (str): Nombre de la columna en el Excel que contiene el texto a analizar.
• C (bool, opcional): Si es True, traduce los textos al inglés (requerido para Vader y Asent si los textos originales están en español). Por defecto es False.

Twotuples.Metric(etiqueta, metric='ClassificationReport', sorter='difuse', ClassNumber=3)

Evalúa y visualiza el rendimiento de las predicciones.

• etiqueta (str): Nombre de la columna con las clasificaciones manuales/reales.
• metric (str, opcional): Tipo de visualización. Opciones: 'ClassificationReport' (tabla de texto) o 'ConfusionMatrix' (gráfico visual).
• sorter (str, opcional): Define qué modelo específico evaluar. Opciones: 'difuse', 'pysentiment', 'vader', 'asent'. Por defecto es 'difuse'.
• ClassNumber (int, opcional): Cantidad de clases de salida. Valores válidos son 2 o 3. Por defecto es 3.

Tecnologías Usadas

• Pysentimiento (v0.7.2): Herramienta de NLP basada en Transformers para español e inglés.
• Asent (v0.8.0): Análisis de sentimientos basado en reglas para Spacy.
• NLTK Vader (v3.8.1): Herramienta heurística robusta para el análisis de sentimientos.
• Transformers: Uso del modelo de traducción Helsinki-NLP/opus-mt-es-en.
• Otras dependencias: spacy, scikit-learn, pandas, numpy, matplotlib.