y obtenido de Pexels.com
En la primera parte de esta serie, les presenté a mi amigo John, creado artificialmente, quien tuvo la amabilidad de brindarnos sus charlas con cinco de las personas más cercanas en su vida. Usamos solo los metadatos, como quién envió mensajes y a qué hora, para visualizar cuándo conoció John a su novia, cuándo tuvo peleas con uno de sus mejores amigos y a qué familiares debería escribirle con más frecuencia. Si no leíste la primera parte de la serie, puedes encontrarla. aquí.
Lo que no cubrimos todavía pero en lo que profundizaremos ahora es un análisis de mensajes reales. Por lo tanto, usaremos el chat entre John y María para identificar los temas que discuten. Y, por supuesto, no revisaremos los mensajes uno por uno y los clasificaremos; no, usaremos la biblioteca de Python BERTopic para extraer los temas en torno a los cuales giran los chats.
¿Qué es BERTopic?
BERTopic es una técnica de modelado de temas introducida por Maarten Grootendorst que utiliza incrustaciones basadas en transformadores, específicamente incrustaciones BERT, para generar temas coherentes e interpretables a partir de grandes colecciones de documentos. Fue diseñado para superar las limitaciones de los enfoques tradicionales de modelado de temas como LDA (Latent Dirichlet Allocation), que a menudo tienen dificultades para manejar breves…