Usando inteligencia artificial (LLM) para analizar datos de texto en R
Resumir texto, analizar sentimiento, y clasificar texto con inteligencia artificial
29/10/2024
El paquete {mall} facilita el uso de un LLM (large language model) o modelo de lenguaje de gran tamaño para analizar texto con IA en un dataframe.
Esto significa que, para cualquier dataframe que tengamos, podemos aplicar un modelo de IA a una de sus columnas y recibir sus resultados en una columna nueva.
Para poder hacer ésto, primero necesitamos tener un modelo LLM configurado en R. Sigue las instrucciones en este tutorial para lograrlo.
Luego, creamos un chat de IA con {ellmer} para que sea el motor o cerebro de {mall}:
library(ellmer)
chat <- chat_anthropic()
Using model = "claude-sonnet-4-20250514".
Con eso hecho, ahora instruimos a {mall} para que use el chat que creamos:
library(mall)
mall::llm_use(chat)
── mall session object
Backend: ellmer
LLM session: model:claude-sonnet-4-20250514
R session:
cache_folder:/var/folders/gt/vdp_nx_x3bq5wgnlr1nphkd1zbdps_/T//RtmpvANrnD/_mall_cache6dfa6813ae14
Con el siguiente código vamos a descargar un dataframe que contiene texto de noticias de Chile, para usarlo como datos de prueba. Los datos provienen de mi repositorio de web scraping y análisis de prensa de Chile.
# obtener datos de prensa
url <- "https://raw.githubusercontent.com/bastianolea/prensa_chile/refs/heads/main/prensa_datos_muestra.csv"
datos_prensa <- readr::read_csv2(url, show_col_types = FALSE)
ℹ Using "','" as decimal and "'.'" as grouping mark. Use `read_delim()` for more control.
head(datos_prensa)
# A tibble: 6 × 4
titulo cuerpo fuente fecha
<chr> <chr> <chr> <date>
1 Hombre de 66 años fue asesinado en plena vía pública… "El h… Coope… 2024-07-21
2 Revive el cuarto capítulo de Indecisos: Candidatos a… "Este… Megan… 2024-09-03
3 Menos personas circulando y miedo de los residentes:… "Poca… Megan… 2024-04-08
4 CEO de Walmart Chile sostiene que si la empresa no d… "Hace… The C… 2024-12-22
5 Pdte. Boric entregó mensaje por la muerte de Piñera … "El p… CNN C… 2024-02-06
6 Encuentran dos cadáveres en un canal de regadío en P… "Pers… Publi… 2024-07-13
Publicaciones relacionadas
Análisis de sentimiento
Probemos {mall} con 10 noticias al azar, pidiéndole al LLM que detecte el sentimiento de cada texto (si es positivo, neutro o negativo):
library(dplyr)
# extraer sentimiento de textos
datos_sentimiento <- datos_prensa |>
select(titulo) |>
slice(10:20) |>
llm_sentiment(titulo,
pred_name = "sentimiento",
options = c("positivo", "neutro", "negativo"))
datos_sentimiento |>
relocate(sentimiento, .before = titulo)
# A tibble: 11 × 2
sentimiento titulo
<chr> <chr>
1 negativo "Dos personas resultan baleadas tras intentar evitar asalto en m…
2 neutro "Mujer de 54 años recibió trasplante de bomba cardíaca y riñón d…
3 negativo "Fiscalía investiga una segunda presunta agresión de Monsalve co…
4 neutro "Los RUT definitivos que reciben el premio de La Suerte en Chile…
5 neutro "Este domingo parte el Festival de Viña 2024: Revisa el orden y …
6 positivo "Danesa se coronó como Miss Universo 2024: Emilia Dides quedó en…
7 neutro "Hassler opta por tesis de Boric por sobre la del PC en Venezuel…
8 negativo "Carabinero de civil disparó a delincuente que estaba robando en…
9 neutro "Seguridad en días del 18’: Ex PDI llama a ser precavido y a evi…
10 neutro "¿Quién es Janet Yellen? La Secretaria del Tesoro de EEEUU que v…
11 negativo "Fijan audiencia para los detenidos por el homicidio del subofic…
Publicaciones relacionadas
Resúmenes de texto
Otro uso es pedirle que genere resúmenes de textos. Para ello, usaremos la función llm_summarize() a la que le pedimos un máximo de palabras y le indicamos un prompt extra para mejorar las respuestas. El paquete aplicará dicha solicitud a cada una de las observaciones en la columna indicada, y retornará los resultados en una nueva columna llamada resumen:
# resumir textos
datos_resumidos <- datos_prensa |>
select(titulo, cuerpo) |>
slice(10:16) |>
llm_summarize(cuerpo,
max_words = 10,
additional_prompt = "resumir noticias de Chile en español",
pred_name = "resumen") |>
select(resumen, titulo)
datos_resumidos
# A tibble: 7 × 2
resumen titulo
<chr> <chr>
1 dos heridos bala asalto minimarket melipilla cuatro sujetos armados "Dos …
2 mujer recibe segundo trasplante riñón cerdo genéticamente modificado "Muje…
3 fiscalía investiga segunda denuncia agresión sexual contra monsalve "Fisc…
4 sorteo la suerte chile rut ganadores premios millonarios polla benefic… "Los …
5 festival de viña 2024 inicia domingo con enfoque solidario incendios "Este…
6 chilena emilia dides llegó a 12 finalistas miss universo "Dane…
7 alcaldesa hassler apoya posición de boric sobre venezuela "Hass…
Publicaciones relacionadas
Clasificación de texto
Finalmente, podemos usar IA para clasificar textos libres en categorías discretas, y de esta forma poder agrupar información desestructurada. Para esto, usamos la función llm_classify(), a la que le indicamos las categorías posibles para cada texto. En este caso, vamos a clasificar los textos en 3 categorías: “política”, “economía” y “deportes”. El LLM se encargará de asignar cada texto a una de estas categorías, y el resultado se guardará en una nueva columna llamada categoria:
datos_clasificados <- datos_prensa |>
select(titulo, cuerpo) |>
slice(10:16) |>
llm_classify(cuerpo,
labels = c("delincuencia", "política", "economía",
"deportes", "cultura", "ciencias",
"tecnología", "farándula"),
additional_prompt = "Clasifica noticias de Chile en español en su temática principal",
pred_name = "categoria") |>
select(categoria, titulo)
datos_clasificados
# A tibble: 7 × 2
categoria titulo
<chr> <chr>
1 delincuencia "Dos personas resultan baleadas tras intentar evitar asalto en m…
2 ciencias "Mujer de 54 años recibió trasplante de bomba cardíaca y riñón d…
3 delincuencia "Fiscalía investiga una segunda presunta agresión de Monsalve co…
4 economía "Los RUT definitivos que reciben el premio de La Suerte en Chile…
5 cultura "Este domingo parte el Festival de Viña 2024: Revisa el orden y …
6 farándula "Danesa se coronó como Miss Universo 2024: Emilia Dides quedó en…
7 política "Hassler opta por tesis de Boric por sobre la del PC en Venezuel…
Publicaciones relacionadas
Si te interesa el uso de inteligencia artificial para analizar datos, revisa los otros tutoriales sobre IA que he escrito!
Publicaciones sobre inteligencia artificial
