Text Analytics Toolbox

 

Text Analytics Toolbox

Analice y modele datos textuales

Obtenga una versión de prueba gratuita
Consulte tarifas

¿Tiene preguntas? Comuníquese con ventas.

Text Analytics Toolbox™ proporciona algoritmos y visualizaciones para preprocesar, analizar y modelar datos textuales. Los modelos creados con esta toolbox se pueden emplear en aplicaciones tales como análisis de sentimiento, mantenimiento predictivo y modelado de temas.

Text Analytics Toolbox incluye herramientas para procesar texto sin formato de fuentes tales como registros de equipos, canales de noticias, encuestas, informes de operadores y redes sociales. Puede extraer texto de formatos de archivo conocidos, preprocesar el texto sin formato, extraer palabras concretas, convertir texto en representaciones numéricas y crear modelos estadísticos.

Mediante técnicas de machine learning tales como LSA, LDA y word embedding, es posible localizar clusters y crear características a partir de conjuntos de datos textuales multidimensionales. Las características creadas con Text Analytics Toolbox se pueden combinar con características de otros orígenes de datos para crear modelos de machine learning que utilicen datos textuales, numéricos y de otros tipos.

Más información:
¿Qué es Text Analytics Toolbox?

Documentación

Introducción al análisis de texto en MATLAB

Descargue el white paper

Importación y visualización de datos textuales

Extraiga datos textuales de fuentes tales como redes sociales, canales de noticias, registros de equipos, informes y encuestas.

Extracción de datos textuales

Importe datos textuales a MATLAB® desde archivos individuales o grandes conjuntos de archivos, incluidos archivos PDF, HTML, de Microsoft® Word® y de Excel®.

Extracción de datos textuales de archivos
Análisis de HTML y extracción de contenido textual
Análisis de datos textuales con emojis
Extracción de texto de un conjunto de documentos de Microsoft Word.

Extracción de texto de un conjunto de documentos de Microsoft Word.

Visualización de texto

Explore visualmente conjuntos de datos textuales con nubes de palabras y diagramas de dispersión de texto.

Visualización de datos textuales mediante nubes de palabras
Visualización de word embeddings con diagramas de dispersión de texto
Nube de palabras que muestra la frecuencia relativa de las palabras por medio del tamaño y el color de la fuente.

Nube de palabras que muestra la frecuencia relativa de las palabras por medio del tamaño y el color de la fuente.

Soporte de idiomas

Text Analytics Toolbox brinda prestaciones de preprocesamiento específicas para los idiomas inglés, japonés, alemán y coreano. La mayoría de las funciones se pueden usar también con texto en otros idiomas.

Soporte de idiomas
Análisis de datos textuales en japonés
Detección del idioma del texto
Análisis de datos textuales en alemán
Importación, preparación y análisis de texto en japonés.

Importación, preparación y análisis de texto en japonés.

Preprocesamiento de datos textuales

Extraiga palabras significativas de texto sin formato.

Limpieza de datos textuales

Aplique funciones de filtrado de alto nivel para eliminar contenido no pertinente, tales como direcciones URL, etiquetas HTML y puntuación, y corregir la ortografía.

Preparación de datos textuales para su análisis
Eliminación de la puntuación en textos y documentos
Eliminación de direcciones URL HTTP y HTTPS en textos
Corrección ortográfica de documentos
Tarea "Preprocess Text Data" de Live Editor
Simplificación de texto sin procesar para trabajar con las palabras más significativas.

Utilice la tarea "Preprocess Text Data" de Live Editor para preparar datos de texto para su análisis.

Filtrado de palabras irrelevantes y normalización de palabras según su raíz

De prioridad a los datos textuales significativos en el análisis filtrando palabras comunes, palabras que aparecen con mucha o poca frecuencia, y palabras muy largas o muy cortas. Reduzca el vocabulario y céntrese en el sentido o el sentimiento general de un documento convirtiendo palabras a su lexema o lematizándolas según aparecen en un diccionario.

Eliminación de palabras irrelevantes en documentos
Conversión de palabras en lemas o lexemas o lemas
Stemming
Lematización
Eliminación de palabras irrelevantes como “a” y “of” de los documentos.

Eliminación de palabras irrelevantes como “a” y “of” de los documentos.

Extracción de características lingüísticas

Divida automáticamente el texto sin formato en una serie de palabras mediante un algoritmo de tokenización. Agregue límites de oraciones, detalles de categorías gramaticales y otra información relevante al contexto.

División de texto en palabras mediante tokenización
Adición de etiquetas de categoría gramatical en documentos
Reconocimiento de entidades nombradas
Análisis de estructura de oraciones utilizando el análisis de dependencias gramaticales
Incorporación de detalles sobre oraciones y categorías gramaticales en documentos tokenizados.

Incorporación de detalles sobre oraciones y categorías gramaticales en documentos tokenizados.

Conversión de texto a formato numérico

Convierta datos textuales a formato numérico para su uso en machine learning y deep learning.

Recuento de palabras y n-gramas

Calcule estadísticas sobre la frecuencia de las palabras para representar datos textuales de forma numérica.

Análisis de datos textuales mediante frases de varias palabras
Matriz de frecuencia de término-frecuencia inversa de documento (tf-idf)
Identificación y visualización de palabras más frecuentes en un modelo.

Identificación y visualización de palabras más frecuentes en un modelo.

Word embedding y codificación

Entrene modelos de word embedding tales como modelos word2vec de bolsa de palabras continua (CBOW) y modelos skip-gram. Importe modelos previamente entrenados, incluidos fastText y GloVe.

Visualización de word embeddings con diagramas de dispersión de texto
Word embedding con FastText previamente entrenado
Asignación de palabras a vectores de embebido
Bag-of-Words (BoW)
Visualización de clusters en un diagrama de dispersión de texto con word embedding.

Visualización de clusters en un diagrama de dispersión de texto con word embedding.

Machine learning con datos textuales

Realice modelado de temas, análisis de sentimiento, clasificación, reducción de la dimensionalidad y extracción de resúmenes de documentos con algoritmos de Machine Learning.

Modelado de temas

Descubra y visualice los patrones, las tendencias y las relaciones complejas subyacentes en grandes conjuntos de datos textuales utilizando algoritmos de machine learning tales como asignación de Dirichlet latente (LDA) y análisis semántico latente (LSA).

Análisis de datos textuales mediante modelos de temas
Elección del número de temas para un modelo LDA
Comparación de solvers para LDA
Identificación de temas en datos de informes sobre tormentas.

Identificación de temas en datos de informes sobre tormentas.

Resumen de documentos y extracción de palabras clave

Extraiga el resumen y las palabras clave relevantes de uno o más documentos automáticamente y evalúe la similitud y la importancia de los documentos.

Extracción de resúmenes de documentos
Extracción de palabras clave de datos textuales mediante TextRank
Similitud de documentos con el algoritmo BM25
Puntuación de documentos con el algoritmo TextRank
Extracción de resúmenes de texto.

Extracción de resúmenes de texto.

Análisis de sentimiento

Identifique las posturas y opiniones expresadas en datos textuales para categorizar las declaraciones como positivas, neutrales o negativas. Cree modelos que puedan predecir el sentimiento en tiempo real.

Análisis de sentimiento en textos
Entrenamiento de un clasificador de sentimientos
Generación de léxico de sentimiento de un dominio específico
Identificación de palabras que predicen un sentimiento positivo y negativo.

Identificación de palabras que predicen un sentimiento positivo y negativo.

Deep learning con datos textuales

Realice análisis de sentimiento, clasificación, resumen y generación de textos mediante algoritmos de Deep Learning.

 

Modelos de transformadores

Aproveche modelos de transformadores como BERT, FinBERT, y GPT-2 para realizar transferencia del aprendizaje con datos textuales para análisis de sentimiento, clasificación y resumen.

Modelos de transformadores para MATLAB
Modelos de transformadores para transferencia del aprendizaje con datos textuales.

Modelos de transformadores para transferencia del aprendizaje con datos textuales.

Clasificación de texto

Use word embeddings, que permiten identificar las categorías de texto mediante deep learning, para clasificar descripciones de texto.

Creación de un modelo de texto simple para la clasificación con machine learning
Clasificación de datos textuales con deep learning
Clasificación de datos textuales fuera de memoria usando un almacén de datos de minilotes personalizado
Entrenamiento de una red neuronal profunda para clasificar datos textuales.

Entrenamiento de una red neuronal profunda para clasificar datos textuales.

Generación de código

Utilice deep learning para generar texto nuevo basado en el texto observado.

Generación de texto carácter por carácter
Generación de texto mediante una capa de word embedding
Generación de texto mediante una capa de character embedding
Generación de texto usando Orgullo y prejuicio de Jane Austen y una red LSTM de deep learning.

Generación de texto usando Orgullo y prejuicio de Jane Austen y una red LSTM de deep learning. 

Recursos del producto:

Documentación Funciones Artículos técnicos Casos prácticos Requisitos del sistema Notas de la versión Vídeos y webinars Ejemplos

Obtenga una versión de prueba gratuita

30 días de exploración a su alcance.

Descargue ahora

¿Listo para comprar?

Obtenga información sobre precios y explore productos relacionados.

Consulte tarifas Comuníquese con ventas

¿Es estudiante?

Es posible que su centro educativo ya ofrezca acceso a MATLAB, Simulink y otros productos complementarios mediante una infraestructura Campus-Wide License.

Obtenga MATLAB