Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

Watson Natural Language Understanding

8/25
Recursos

Aportes 63

Preguntas 7

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Se pueden usar paginas como estas para usar curl https://reqbin.com/curl

Me gusto mucho el tema, yo lo implementaría para que automatice los comentarios de los cursos que están desactualizados y genere alertas a las preguntas no respondidas o cosas puntuales.

Para poder que funcione el código en windows es así:

curl -X POST -u "apikey:{apikey}" --header "Content-Type: application/json" --data "{\"url\":\"http://newsroom.ibm.com/Guerbet-and-IBM-Watson-Health-Announce-Strategic-Partnership-for-Artificial-Intelligence-in-Medical-Imaging-Liver\",\"features\":{\"sentiment\":{},\"categories\":{},\"concepts\":{},\"entities\":{},\"keywords\":{}}}" "{url}/v1/analyze?version=2019-07-12"


Para poder que funcione con el del segundo paso que es enviando el texto por Windows es así:

curl -X POST -u "apikey:{apikey}" --header "Content-Type: application/json" --data "{\"text\":\"I love apples! I do not like oranges.\",\"features\":{\"sentiment\":{\"targets\":[\"apples\",\"oranges\",\"broccoli\"]},\"keywords\":{\"emotion\":true}}}" "{url}/v1/analyze?version=2019-07-12"

Me imagino utilizando en la sala de redaccion de un periodico.

Analice los terminos y condiciones de varias paginas y da resultados interesantes, la curiosidad me entro y analice los de facebook y los de platzi. El sentimiento cambia mucho si quieres saber los resultados pueden realizar el ejemplo para conocer los resultados. Platzi dio - Y Facebook +
La cantidad de palabras creo que influye bastante en el sentimiento
Platzi https://pastebin.com/raw/ghU7bLM7
Facebook https://pastebin.com/raw/quxS2FQG

No me sirvió con el texto, me dice eso:

 "error": "invalid request",
  "code": 400

Utilice Natural Language Understanding (NLP) para analizar texto y extraer metadatos de contenido como por ejemplo conceptos, entidades, palabras clave, categorías, sentimiento, emoción, relaciones y roles semánticos.

Para los que no les funciona esta parte en windows, se trata de un problema de la Command Linea de windows ya que a pesar de soportar los ^ no soporta los – ni los { }, lo que hice fue isntalar un git bash y corre la CLI que trae y se pueden tirar los comandos tal cual el profe

A la hora de realizar el ejemplo con el texto también me salia el error del “invalid request”, así que me puse a leer, buscar y comparar. Finalmente decidí quitarle el signo de admiración que abre la frase del texto (como para probar jaja), y me lleve la sorpresa de que funciono! Lo coloque y quite varias veces para comprobar y eso hacia la diferencia. Supongo que por cuestiones de codificación ocurre el problema.
Así quedo:
(

Sería cool implementarla en conversaciones con otras personas, tener nuestra IA conversando y analizando los sentimientos que según los msj’s de la otra persona se detecte y tratar de llevar la conversación a distintas partes, sea positiva y negativa, por ejemplo. Hacerle enfadar o poner contento.

No he podido usar el JSON Beautifier, salen errores.

Estos servicios lo podrian utilizar para determinar que cursos poseen malos comentarios o cosas por mejorar, basado en el sentimiento y clasificacion del texto de cada comentario.

Si no les funciona con su apikey autogenerada creen una nueva

También el formato de Isaac también cambió un poco, vean donde dice iniciación

Les recomiendo miren el getting started de IBM en el servicio que están ya que ha cambiado un poco, para usuarios en windows, hacerlo en Git Bash funciona bien.

saludos!!!🛸

Las lineas a usar en terminal para los usuario de windows no son las que estan en el archivo, las deben obtener del siguiente link

https://cloud.ibm.com/docs/natural-language-understanding?topic=natural-language-understanding-getting-started#getting-started-tutorial

pero son estas.

caso web (solo deben cambiar apikey y url, yo ya cambie la web):

curl -X POST -u “apikey:{apikey}” --header “Content-Type: application/json” --data "{“url”:"https://www.unotv.com/noticias/portal/tecnologia/detalle/conoce-a-cimon-primer-astronauta-hecho-de-inteligencia-artificial-394114/",“features”:{“sentiment”:{},“categories”:{},“concepts”:{},“entities”:{},“keywords”:{}}}" “{url}/v1/analyze?version=2019-07-12”

caso texto (se debe cambiar apikey y url, otra cosa es que estoy dejando el texto original, pero a mi no me funciono, tuve que borrar el ¡, asi que si te sale error 400, la solucion es borrar el ¡) :

curl -X POST -u “apikey:{apikey}” --header “Content-Type: application/json” --data “{“text”:”¡Esta en una super ubicacion! El servicio pesimo, gente grosera",“features”:{“sentiment”:{“targets”:[“ubicacion”,“servicio”]},“keywords”:{“emotion”:true}}}" “{url}/v1/analyze?version=2019-07-12”

el aporte del compañero fagranados de usar https://reqbin.com/curl para los curl es excelente ya que se puede trabajar con los curl directamente como el profesor lo hace en linea y ademas hace el analisis de los json sin necesidad de copiarlos en otro web.

Yo le vería un uso de control de padres de páginas disponibles para niños 😜

Se podría implementar para analizar los comentarios que hacen los usuarios a los platos de un restaurante o de un lugar turístico.

Excelente, me gustaria aplicarlo en las reviews de los productos de una tienda online. Asi podria clasificar comentarios postivos, negativos, utiles, hatters, etc

Muy bueno !!! Saludos Amigo 😄 ❤️

Hola para que sepan la url relacionada para el texto de la clase no me ingresa asi que debi utilizar otra url para analizar otra pagina

Se me ocurre que se podría emplear en la prueba de usuario de nuevos productos para entender aún más al cliente.

Pensaría en implementar esto para analizar todo lo que tiene que ver con la metodología scrum en Linkedin y así determinar sus necesidades. A partir de ellas, pensaría en revisar si el perfil, podría ser alguien que es idóneo para nuestra comunidad.

ya está habilitado el servicio para cuentas Lite, sin necesidad de registrar una TC. Yo lo probé pasando la sinopsis de “Cadena Perpetua”, funcionó bastante bien.

Este tema se trabaja mucho en análisis de sentimientos, por ejemplo, en cómo el público está percibiendo un nuevo producto o las tendencias en redes sociales, los hashtags que emplean y el contenido asociado a los mismos.

Es excelente!

Excelente curso!

Excelente clase Profe Isaac
la actividad la realize acorde a su guia

Me parece excelente este curso me gusta mucho y esta muy bien explicado.

Respondiendo a la pregunta del profe, lo aplicarìa para detectar y actuar ràpidamente ante los comentarios de servicio hacia el banco en el que trabajaba y así tener una reacción más ágil y efectiva.

También, lo aplicaría para priorizar las respuestas a comentarios realizados a platzi en redes sociales y en estos foros de cada curso.

Gracias.

clasificacion de comentarios en redes sociales para obtener insights de una marca

El natural language processing con abarca el Understaning y Classification? O son tres ramas distintas

Bien explicado!

Lo utilizaría por ejemplo para ver un esquema general de los comentarios de una red social de un negocio, así saber de manera rápida como ve el publico el producto o negio en general.

Cambio ejemplo con texto, me funciono con este, remplzar la api key y la url que le da la plataforma.

curl -X POST -u "apikey:" \
"URL/v1/analyze?version=2018-11-16" \
--request POST \
--header "Content-Type: application/json" \
--data '{
  "text": "Esta en una super ubicacion El servicio pesimo, gente grosera",
  "features": {
    "sentiment": {
      "targets": [
        "ubicacion",
        "servicio"
      ]
    },
    "keywords": {
      "emotion": true
    }
  }
}'```

Muy bueno

lo puedo implementar en la competencia en el analisis de todo el contenido que generan en texto, me sirve como mejorar mis textos para que en sentimiento sean mas positivos, en pocas plabras ahorra mucho tiempo.

En los comentarios de los clientes de cualquier empresa para identificar facilmente fallas y hacer mejoras a los procesos.

Trabajo en una casa de software y me parece super util para analizar los comentarios que dejan los clientes en nuestra linea de comentarios.

Considero que este servicio es bastante útil para la investigación, en mi caso soy profesional en Relaciones Internacionales, y en mi carrera se hacen estos análisis casi que “a mano”. Es interesante saber que esto se podría implementar en importantes proyectos de investigación que arrojarían resultados interesantes. El hecho de poder analizar emociones y de saber palabras clave de un texto es bastante útil por ejemplo para el análisis de discurso.

tengo una duda cuando lo corro en la cmd (windows) me salen errores hasta de los corchetes y cuando lo corro en git bash me corre perfectamente

no pude realizar tampoco este ejemplo, porque cuando ejecuto en consola el comando de curl con el apikey y url cambiados el CMD me dice que no escuentra esos comandos…

Excelente!

Excelente clase, muy bien explicado y sencillo de entender. En verdad, los comentarios son ese soporte que no existe en otro lugar.

Me imagino utilizando esta herramienta para realizar revisión de texto si fuese editor o revisar mis porpias publciaciones de blog.

Implementaría en valoración docente

En mensajería entre personas.

¿Cómo se pueden hacer peticiones en lote? ¿Se puede hacer de forma programática mandando un conjunto de URLs o un conjunto de numerosos textos? Esto me parece poderoso pero 1 a 1 es improcedente es muchos casos

El archivo curl dado en los archivos no me sirvió para nada. Me tocó copiar los ejemplos en la pagina de inicio de IBM del servicio y trabajar sobre ese.

Basado en ejemplo aplicado a los sentimientos, yo antes trabajaba en mantenimiento, en donde a cada peticion de servicio se le podia hacer un seguimiento y al final una encuesta de satisfaccion, en la que se podian colocar comentarios, esta clase de herramienta es muy util para mirar la relacion de la satisfaccion del cliente en las diferentes etapas del proceso de la solicitud e identificar si en todo momento estuvo conforme o si en algun momento se generaron sentimientos negativos en el cliente.

Me gustaría combinarlo con técnicas de webscraping para estimar la reputación de candidatos al congreso analizando los casos y polémicas donde estén involucrados.

Estaría genial aplicar Watson NLU para complementarlo con algún modelo de Machine Leraning que en base a los porcentajes de los sentimientos recopilados durante un rango de tiempo de un usuario, se pudiera predecir qué sentimientos y actitudes va a reflejar este usuario en algún momento preciso a futuro. Claro está, dicho modelo debería tener en cuenta muchos más parámetros y condiciones que solo lo los resultados que Watson arroja. (Es una idea que se me ocurrió y me pareció interesante compartirla) 😃

También se puede usar asi como dice en la página
curl -X POST -u “apikey:-22Lxcs8HDpbP8k63JaVOiWFEurDjjfKh_O-n3SdYcN3”
–header “Content-Type: application/json”
–data ‘{
“text”: “I love apples! I do not like oranges.”,
“features”: {
“sentiment”: {
“targets”: [
“apples”,
“oranges”,
“broccoli”
]
},
“keywords”: {
“emotion”: true
}
}
}’
“https://api.us-south.natural-language-understanding.watson.cloud.ibm.com/instances/2f98386a-46ba-4a86-8b37-d06854d46bd4/v1/analyze?version=2019-07-12”

Este servicio de IA lo utilizaría para analizar las interacciones de los usuarios del Chat integrado de un sitio web de servicio al cliente, para identificar y clasificar comentarios positivos y negativos de los clientes y tomar acciones al respecto.

Excelente aporte, gracias mil!

Tomado de la página de IBM Cloud del NLU recién creado…

Pueden tomar esto para los usuarios de Windows

Analizar web
curl -X POST -u “apikey:{apikey}” --header “Content-Type: application/json” --data “{“url”:”{url que vas a analizar}",“features”:{“sentiment”:{},“categories”:{},“concepts”:{},“entities”:{},“keywords”:{}}}" “{url}/analyze?version=2019-07-12”

Analizar texto
curl -X POST -u “apikey:{apikey}” --header “Content-Type: application/json” --data “{“text”:“Esta en una super ubicacion! El servicio pesimo, gente grosera”,“features”:{“sentiment”:{“targets”:[“ubicacion”,“servicio”]},“keywords”:{“emotion”:true}}}” “{url}/v1/analyze?version=2019-07-12”

Cambia lo que esta en negrilla por los recursos de tu NLU.

Se podría usar para obtener las impresiones positivas o negativas de los clientes en una empresa a través de una página web y así poder mejorar los servicios de la empresa.

Considero super util esta herramienta de NLU en Call Centers, para ver las necesidades y sentimientos de los clientes.

con texto no me funciona
aparece el siguiente mensaje
"error": “invalid request”,
“code”: 400

me gustaria poderlo implementar automaticamente con pdf’s enlazados en URLs, pero las pruebas que realice no fueron satisfactorias…alguien sabe si se puede realizar ?

En windows 10 a mi me funcionó este código:
curl -X POST -u “apikey:{Aqui su apikey sin corchetes}” --header “Content-Type: application/json” --data "{“url”:"https://www.unotv.com/noticias/portal/tecnologia/detalle/conoce-a-cimon-primer-astronauta-hecho-de-inteligencia-artificial-394114",“features”:{“sentiment”:{},“categories”:{},“concepts”:{},“entities”:{},“keywords”:{}}}" “{Aqui su url sin corchetes}/v1/analyze?version=2019-07-12”

Al final de la url del sitio con la noticia, debe terminar con un backslash \