Usar un modelo de lenguaje local (LLM) para analizar texto en R

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//RtmpctdWlN/_mall_cache2a8611567960

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

Interactúa con modelos de lenguaje (LLM) y chatea con IAs directamente desde R

La IA es útil para distintos aspectos del análisis de datos, como interpretar resultados, explorar conjuntos de datos, redactar textos en base a datos, extraer datos estructurados (como entrevistas o…

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…

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 intento asalto minimarket melipilla viernes noche      "Dos …
2 mujer recibe segundo trasplante riñón cerdo genéticamente modificado h… "Muje…
3 fiscalía investiga segunda denuncia agresión sexual contra monsalve se… "Fisc…
4 sorteo polla chilena 90 aniversario premios millonarios ganadores diar… "Los …
5 festival viña 2024 inicia domingo con alejandro sanz solidaridad incen… "Este…
6 danesa victoria kjaer corona miss universo 2024 chile finalista         "Dane…
7 hassler apoya posición de boric sobre venezuela, busca reelección       "Hass…

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)

[working] (0 + 0) -> 6 -> 1 | ■■■■■                             14%

[working] (0 + 0) -> 0 -> 7 | ■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■  100%

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 sobre inteligencia artificial

Crea un chatbot de inteligencia artificial con R Aumenta el conocimiento de inteligencias artificiales creando un sistema de RAG con R Creando una función para consultar datos en R Potencia las capacidades de la IA entregándole herramientas (tool calling) basadas en R

Extracción de datos estructurados desde texto usando IA