Twotuples 1.6.1

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, Bert Multilingual y Asent.
• Sistema de decisión consensuada basado en Lógica Difusa (Fuzzy Logic).
• Soporte para textos nativos, utilizando modelos multilingües que evitan la necesidad de traducciones previas.
• 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==1.3.8

[!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 y spacy.

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
Twotuples.difuso_clasificator(data=archivo_excel, ColumnName=nombre_columna)

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_bert.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): Parámetro heredado por compatibilidad; ya no es necesario activarlo porque los modelos son multilingües.

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', 'bert', '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.
• Bert Multilingual Sentiment: Modelo fine-tuned de BERT para clasificación de reseñas en múltiples idiomas.
• Asent (v0.8.0): Análisis de sentimientos basado en reglas para Spacy.
• Transformers & PyTorch: Framework principal para los modelos de deep learning subyacentes.
• Otras dependencias: spacy, scikit-learn, pandas, numpy, matplotlib.