Análisis de Sentimientos con LLM Local

Sistema de análisis de sentimientos para títulos de noticias utilizando modelos de lenguaje locales a través de Ollama.

🚀 Características

• Análisis de sentimientos en tiempo real usando LLM local (phi4 por defecto)
• Interface web interactiva con Streamlit
• Procesamiento por lotes configurable
• Visualización de resultados con gráficos interactivos
• Exportación automática de resultados a CSV
• Soporte para datasets grandes con procesamiento por batches

📋 Prerequisitos

• Python 3.11+
• Ollama instalado y corriendo localmente
• Modelo phi4 descargado en Ollama (u otro modelo compatible)

🛠️ Guía

Setup

Crear entorno virtual

python -m venv venv

Activar el entorno virtual

venv\Scripts\activate

Instalar dependencias

pip install -r requirements.txt

Data

Los datos son de Open-Data-Azure y permiten hacer la extraccion de data para probar algoritmos de ML.

Los datos se descargan con el script download_data.py

📊 Uso

1. Descargar datos de ejemplo

python download_data.py

2. Iniciar la aplicación

streamlit run app.py

3. Abrir en el navegador: http://localhost:8501

📁 Estructura del Proyecto

text_classification_analysis/
├── app.py                  # Aplicación principal Streamlit
├── sentiment_analyzer.py   # Clase para análisis de sentimientos
├── download_data.py        # Script para descargar dataset MIND
├── sample_data.py          # Utilidad para crear muestras de datos
├── data/                   # Directorio para datasets
├── outputs/               # Resultados del análisis
└── requirements.txt       # Dependencias del proyecto

🔧 Configuración

El sistema permite configurar:

• Tamaño de batch para procesamiento
• Cantidad de títulos a analizar
• Modelo de Ollama a utilizar
• URL base de Ollama

📈 Resultados

Los resultados se guardan en:

• CSV en la carpeta outputs/ con timestamp
• Visualizaciones en tiempo real en la interface
• Logs detallados en sentiment_analysis.log

Imagenes