Contexto empresarial
Una empresa minorista desea analizar automáticamente los comentarios de los clientes en su sitio web. El objetivo es clasificar los comentarios en categorías como 'Envío', 'Calidad del Producto' y 'Atención al Cliente' para dirigir los tickets al departamento correcto.
Preparación de datos
Creación de una tabla con reglas LIG (Languaje de Interpretación Gramatical) simples para detectar palabras clave.
¡Copiado!
| 1 | |
| 2 | DATA casuser.reglas_feedback; |
| 3 | LENGTH rule_id $20 config $300; |
| 4 | rule_id='R_ENVIO'; |
| 5 | config='CATEGORY:ENVIO, (OR, "retraso", "tarde", "espera")'; |
| 6 | OUTPUT; |
| 7 | rule_id='R_CALIDAD'; |
| 8 | config='CATEGORY:CALIDAD, (SENT, "roto", "dañado")'; |
| 9 | OUTPUT; |
| 10 | |
| 11 | RUN; |
| 12 |
Étapes de réalisation
1
Verificación de la carga de datos de reglas.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | TABLE.tableInfo / caslib='casuser' TABLE='reglas_feedback'; |
| 4 | |
| 5 | QUIT; |
| 6 |
2
Compilación del modelo utilizando los parámetros obligatorios estándar.
¡Copiado!
| 1 | |
| 2 | PROC CAS; |
| 3 | textRuleDevelop.compileCategory / TABLE={caslib='casuser', name='reglas_feedback'} config='config' ruleId='rule_id' casOut={caslib='casuser', name='modelo_feedback_mco', replace=true}; |
| 4 | |
| 5 | QUIT; |
| 6 |
Resultado esperado
La acción debe ejecutarse sin errores y generar una tabla binaria 'modelo_feedback_mco' en la librería 'casuser', lista para ser usada en la clasificación.