sentiment-analyzer

guia-matthieu

Actualizado 2 days ago

7 vistas

111

Otroai

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

Recomendado

Principal

npx skills add guia-matthieu/clawfu-skills -a claude-code

Comando PluginAlternativo

/plugin add https://github.com/guia-matthieu/clawfu-skills

Git CloneAlternativo

git clone https://github.com/guia-matthieu/clawfu-skills.git ~/.claude/skills/sentiment-analyzer

Copia 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

guia-matthieu/clawfu-skills

Ruta: skills/analytics/sentiment-analyzer

ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

Habilidades relacionadas

llamaguard

Otro

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.

Ver habilidad

cost-optimization

Otro

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.

Ver habilidad

quantizing-models-bitsandbytes

Otro

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.

Ver habilidad

dispatching-parallel-agents

Otro

Esta Skill de Claude despliega múltiples agentes para investigar y solucionar 3 o más problemas independientes de forma concurrente. Está diseñada para escenarios que involucran fallos no relacionados que pueden resolverse sin estado compartido o dependencias. Su capacidad principal es la resolución paralela de problemas, asignando un agente por cada dominio problemático independiente para maximizar la eficiencia.

Ver habilidad