← Volver a trabajos
# Trabajo 3 — Clasificador de Opiniones de Productos (Manual vs Técnico)
> **Asignatura:** Negocio Electrónico · Prof. Torres Arriaza
> **Grupo:** Antonio & Raúl
> **Tecnologías:** Python · Transformers (HuggingFace) · BERT en español · PyTorch
---
## Descripción
Sistema de clasificación de opiniones de productos que recomienda una acción de mantenimiento según la descripción del problema:
- **manual_instrucciones** — el usuario puede resolver el problema consultando el manual
- **enviar_tecnico** — el producto necesita revisión por un técnico especializado
Utiliza el modelo `dccuchile/bert-base-spanish-wwm-cased` (BERT entrenado específicamente con textos en español) afinado con un dataset de 30 opiniones etiquetadas.
```
Usuario escribe opinión
│
▼
BERT español (afinado)
│
├──▶ [MANUAL] → "Consultar el manual de instrucciones"
└──▶ [TÉCNICO] → "Enviar al servicio técnico"
+ porcentaje de confianza
```
---
## Estructura del proyecto
| Archivo | Descripción |
|---|---|
| `clasificador_opiniones.py` | Script principal: entrenamiento + modo interactivo |
| `datos_entrenamiento.txt` | Dataset de 30 opiniones etiquetadas |
| `requirements.txt` | Dependencias de Python |
| `modelo_entrenado/` | Modelo afinado (generado tras el entrenamiento) |
---
## Instalación
```bash
# Crear entorno virtual
python3 -m venv venv
source venv/bin/activate
# Instalar dependencias
pip install -r requirements.txt
```
---
## Archivo de datos
Cada línea del archivo `datos_entrenamiento.txt` sigue el formato:
```
#
```
Separadores soportados: `#`, `;`, `|`, tabulador.
Las líneas que empiecen con `#` se tratan como comentarios.
**Ejemplo:**
```
No sé cómo configurar la pantalla inicial#manual_instrucciones
El motor hace un sonido raro y huele a quemado#enviar_tecnico
```
El dataset contiene 30 frases balanceadas (15 de cada categoría):
- **manual_instrucciones**: dudas sobre configuración, idioma, WiFi, temporizadores, firmware...
- **enviar_tecnico**: daños físicos, sonidos extraños, chispas, líquidos, piezas rotas...
---
## Uso
### 1. Entrenar y luego usar el modo interactivo
```bash
python clasificador_opiniones.py --entrenar
```
### 2. Entrenar con un archivo personalizado y más épocas
```bash
python clasificador_opiniones.py --entrenar --archivo mis_datos.txt --epocas 10
```
### 3. Solo modo interactivo (modelo ya entrenado)
```bash
python clasificador_opiniones.py
```
---
## Demostración
### Clasificación tipo "manual"
Se introduce una frase sobre una duda de configuración y el sistema recomienda consultar el manual:
### Clasificación tipo "técnico"
Se introduce una frase sobre un daño físico y el sistema recomienda enviar al servicio técnico:
---
## Modelo y entrenamiento
| Parámetro | Valor |
|---|---|
| Modelo base | `dccuchile/bert-base-spanish-wwm-cased` |
| Épocas | 5 (por defecto) |
| Batch size | 8 |
| Max length | 128 tokens |
| Warmup steps | 10 |
| Weight decay | 0.01 |
| Split train/validación | 80/20 (estratificado) |
| Evaluación | Por época |
| Mejor modelo | Selección automática por accuracy |
### Resultados del entrenamiento
```
Train: 24 | Validación: 6
Accuracy final: 100.00%
precision recall f1-score support
manual_instrucciones 1.00 1.00 1.00 15
enviar_tecnico 1.00 1.00 1.00 15
accuracy 1.00 30
```
---
## Diagrama de tareas
| Tarea | Responsable |
|---|---|
| Configuración del entorno y dependencias | Antonio |
| Diseño del dataset de entrenamiento (30 frases) | Antonio & Raúl |
| Implementación del clasificador con BERT español | Antonio |
| Lectura flexible de datos (múltiples separadores) | Antonio |
| Entrenamiento y evaluación del modelo | Raúl |
| Modo interactivo con mensajes amigables | Raúl |
| Documentación y capturas | Antonio & Raúl |
---
## Prompts usados con IA
> Herramienta utilizada: **Claude (Anthropic)** — claude.ai
| # | Prompt |
|---|---|
| 1 | `Crea un clasificador de opiniones de productos con transformers que clasifique en manual_instrucciones o enviar_tecnico` |
| 2 | `Usa el modelo BERT en español (dccuchile) en lugar de uno multilingüe` |
| 3 | `Genera un dataset de 30 frases balanceadas entre las dos categorías` |
| 4 | `Añade soporte para múltiples separadores en el archivo de datos` |
| 5 | `Haz un README para entregar esta actividad` |
---
## Notas
- Se necesita conexión a Internet la primera vez para descargar el modelo base.
- El modelo entrenado se guarda en `modelo_entrenado/`.
- El modelo base (`dccuchile/bert-base-spanish-wwm-cased`) pesa ~420 MB.
---
## Referencias
- BERT español (BETO): https://github.com/dccuchile/beto
- HuggingFace Transformers: https://huggingface.co/docs/transformers
- Scikit-learn (métricas): https://scikit-learn.org/stable/modules/model_evaluation.html
- PyTorch: https://pytorch.org/docs/stable/