Contexto empresarial
Un banco desea analizar automáticamente los correos electrónicos de atención al cliente para detectar productos específicos (Hipotecas, Tarjetas) y el tono emocional asociado (Queja vs. Satisfacción). Se requiere compilar un modelo que combine reglas de negocio personalizadas con el modelo de sentimiento predefinido de SAS.
Preparación de datos
Creación de reglas LITI para productos bancarios y categorías de urgencia.
¡Copiado!
| 1 | DATA casuser.reglas_banco; LENGTH rule_id $20 config $300; INPUT rule_id $ config &; DATALINES; |
| 2 | 1 CONCEPT:PRODUCTO |
| 3 | 2 REGEX:[Hh]ipoteca |
| 4 | 3 REGEX:[Tt]arjeta [Cc]redito |
| 5 | 4 CONCEPT:URGENCIA |
| 6 | 5 CLASSIFIER:ALTA: fraude |
| 7 | 6 CLASSIFIER:ALTA: robo |
| 8 | ; |
| 9 | RUN; |
Étapes de réalisation
1
Verificación de carga de la tabla de reglas.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.tableInfo / TABLE={name='reglas_banco', caslib='casuser'}; |
| 4 | RUN; |
| 5 |
2
Compilación del modelo activando el sentimiento predefinido para enriquecer el análisis.
¡Copiado!
| 1 | PROC CAS; |
| 2 | textRuleDevelop.compileConcept / |
| 3 | TABLE={name='reglas_banco', caslib='casuser'} |
| 4 | config='config' |
| 5 | ruleId='rule_id' |
| 6 | language='SPANISH' |
| 7 | predefinedSentiment=TRUE |
| 8 | casOut={name='modelo_banca_binario', caslib='casuser', replace=TRUE}; |
| 9 | RUN; |
Resultado esperado
Se genera la tabla 'modelo_banca_binario'. Esta tabla contiene un modelo compilado que integra las definiciones de 'PRODUCTO' y 'URGENCIA' junto con la taxonomía de sentimientos nativa de SAS para español, listo para ser aplicado a nuevos textos.