Acabamos de publicar una nueva release de MeaningCloud con algunas novedades que van a cambiar tu manera de hacer analítica de texto. Como complemento a las técnicas analíticas más habituales -que extraen información o clasifican un texto en función de diccionarios y categorías predefinidos- incorporamos técnicas de aprendizaje no supervisado que permiten explorar una serie de documentos para descubrir y extraer de ellos insights (temas, relaciones) no previstos.
En esta nueva release de MeaningCloud publicamos una API de Clustering de Texto que permite descubrir la estructura implícita y los temas significativos que emergen de los contenidos de tus documentos, conversaciones sociales, etc. Esta API toma un conjunto de textos y los distribuye en grupos (clusters) en función de la similitud entre los contenidos de cada documento. El objetivo es que los documentos de un cluster sean muy parecidos entre sí y muy diferentes a los otros clusters.
El clustering es una tecnología utilizada tradicionalmente en el análisis de datos estructurados. Lo que tiene de particular nuestra API es que sus pipelines están optimizados para analizar texto no estructurado.
La 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.
Las herramientas de monitorización social proporcionan un análisis de sentimiento básico que en el mejor de los casos llega a identificar que un cierto comentario (ej.: un tuit) expresa una opinión positiva o negativa sobre una entidad y utilizan esos datos agregados en diagramas y evoluciones temporales. Pero analizar una realidad tan poliédrica como la reputación de una empresa requiere un análisis de opinión más granular.