sentiment-analyzer
Acerca de
La habilidad de análisis de sentimientos utiliza modelos de ML para clasificar el sentimiento del texto, ideal para procesar reseñas de clientes, comentarios de NPS y tickets de soporte. Ayuda a los desarrolladores a analizar menciones de marca y respuestas a campañas a gran escala identificando patrones en comentarios no estructurados. Esto proporciona información procesable a partir de datos de clientes mediante un análisis de sentimientos estructurado.
Instalación rápida
Claude Code
Recomendadonpx skills add guia-matthieu/clawfu-skills -a claude-code/plugin add https://github.com/guia-matthieu/clawfu-skillsgit clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/sentiment-analyzerCopia y pega este comando en Claude Code para instalar esta habilidad
Documentación
Sentiment Analyzer
Analyze sentiment in customer feedback using transformer models - understand what your customers really feel at scale.
When to Use This Skill
- Review analysis - Process hundreds of product reviews
- NPS feedback - Categorize open-ended survey responses
- Social listening - Monitor brand sentiment on social media
- Campaign feedback - Evaluate response to marketing campaigns
- Support insights - Categorize support ticket sentiment
What Claude Does vs What You Decide
| Claude Does | You Decide |
|---|---|
| Structures analysis frameworks | Metric definitions |
| Identifies patterns in data | Business interpretation |
| Creates visualization templates | Dashboard design |
| Suggests optimization areas | Action priorities |
| Calculates statistical measures | Decision thresholds |
Dependencies
pip install transformers torch pandas click
# Or for lighter CPU-only version:
pip install textblob vaderSentiment pandas click
Commands
Analyze Text
python scripts/main.py analyze "This product exceeded my expectations!"
python scripts/main.py analyze "The service was terrible and slow."
Batch Analysis
python scripts/main.py batch reviews.csv --column text
python scripts/main.py batch feedback.csv --column comment --output results.csv
Generate Report
python scripts/main.py report reviews.csv --column text --output sentiment-report.html
Examples
Example 1: Analyze Product Reviews
# Process CSV of reviews
python scripts/main.py batch amazon-reviews.csv --column review_text
# Output: amazon-reviews_sentiment.csv
# review_text | sentiment | score | label
# "Absolutely love this!" | positive | 0.95 | Very Positive
# "It's okay, nothing special" | neutral | 0.52 | Neutral
# "Worst purchase ever" | negative | 0.12 | Very Negative
Example 2: NPS Feedback Categorization
# Analyze NPS survey responses
python scripts/main.py report nps-responses.csv --column feedback
# Output: sentiment-report.html
# Summary:
# - Positive: 62% (mainly: product quality, support)
# - Neutral: 23% (mainly: pricing concerns)
# - Negative: 15% (mainly: shipping delays)
Sentiment Categories
| Score Range | Label | Interpretation |
|---|---|---|
| 0.8 - 1.0 | Very Positive | Enthusiastic, recommend |
| 0.6 - 0.8 | Positive | Satisfied, happy |
| 0.4 - 0.6 | Neutral | Mixed or indifferent |
| 0.2 - 0.4 | Negative | Disappointed, frustrated |
| 0.0 - 0.2 | Very Negative | Angry, will churn |
Skill Boundaries
What This Skill Does Well
- Structuring data analysis
- Identifying patterns and trends
- Creating visualization frameworks
- Calculating statistical measures
What This Skill Cannot Do
- Access your actual data
- Replace statistical expertise
- Make business decisions
- Guarantee prediction accuracy
Related Skills
- social-analytics - Get social data to analyze
- content-repurposer - Use insights for content
Skill Metadata
- Mode: centaur
category: analytics
subcategory: nlp
dependencies: [transformers, torch, pandas]
difficulty: intermediate
time_saved: 6+ hours/week
Repositorio GitHub
Frequently asked questions
What is the sentiment-analyzer skill?
sentiment-analyzer is a Claude Skill by guia-matthieu. Skills package instructions and resources that Claude loads on demand, so Claude can perform sentiment-analyzer-related tasks without extra prompting.
How do I install sentiment-analyzer?
Use the install commands on this page: add sentiment-analyzer to Claude Code as a plugin, or clone its repository into your skills directory, then restart Claude so it picks up the skill.
What category does sentiment-analyzer belong to?
sentiment-analyzer is in the Other category, tagged ai.
Is sentiment-analyzer free to use?
Yes. sentiment-analyzer is listed on AIMCP and free to install. It runs inside Claude, so no separate service account is required to use the skill itself.
Habilidades relacionadas
LlamaGuard es el modelo de Meta de 7-8B parámetros para moderar las entradas y salidas de LLM en seis categorías de seguridad como violencia y discurso de odio. Ofrece una precisión del 94-95% y puede implementarse usando vLLM, Hugging Face o Amazon SageMaker. Utiliza esta skill para integrar fácilmente filtrado de contenido y barreras de seguridad en tus aplicaciones de IA.
Esta Skill de Claude ayuda a los desarrolladores a optimizar los costes en la nube mediante el ajuste de tamaño de recursos, estrategias de etiquetado y análisis de gastos. Proporciona un marco para reducir los gastos en la nube e implementar una gobernanza de costes en AWS, Azure y GCP. Úsala cuando necesites analizar los costes de infraestructura, ajustar el tamaño de los recursos o cumplir con restricciones presupuestarias.
Esta habilidad de Claude analiza los mercados de apuestas deportivas, incluyendo spreads, over/unders y apuestas de propuestas, mediante el examen de tendencias históricas y estadísticas situacionales para identificar apuestas de valor. Proporciona una salida en markdown estructurado con recomendaciones accionables con fines educativos. Los desarrolladores deben utilizar esto para herramientas de análisis de apuestas deportivas, teniendo en cuenta que está diseñado únicamente para entretenimiento/educación.
Esta habilidad cuantiza LLMs a precisión de 8 o 4 bits utilizando bitsandbytes, logrando una reducción de memoria del 50-75% con pérdida mínima de precisión. Es ideal para ejecutar modelos más grandes en memoria GPU limitada o para acelerar la inferencia, admitiendo formatos como INT8, NF4 y FP4. La habilidad se integra con HuggingFace Transformers y permite entrenamiento QLoRA y optimizadores de 8 bits.
