sentiment-analyzer

guia-matthieu

업데이트됨 2 days ago

6 조회

111

기타ai

정보

감정 분석 스킬은 ML 모델을 사용하여 텍스트 감정을 분류하며, 고객 리뷰, NPS 피드백, 지원 티켓 처리에 이상적입니다. 이 스킬은 비정형 피드백의 패턴을 식별함으로써 개발자들이 브랜드 언급 및 캠페인 반응을 대규모로 분석할 수 있도록 지원합니다. 이를 통해 구조화된 감정 분석을 통해 고객 데이터에서 실행 가능한 인사이트를 제공합니다.

빠른 설치

Claude Code

문서

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

GitHub 저장소

guia-matthieu/clawfu-skills

경로: skills/analytics/sentiment-analyzer

ai-skillsanthropicclaude-codeclaude-skillsmarketingmcp-server

연관 스킬

llamaguard

기타

LlamaGuard는 폭력 및 혐오 발언 등 6가지 안전 범주에서 LLM 입력과 출력을 조정하기 위한 Meta의 70-80억 파라미터 모델입니다. 94-95% 정확도를 제공하며 vLLM, Hugging Face 또는 Amazon SageMaker를 사용해 배포할 수 있습니다. 이 기술을 사용하여 AI 애플리케이션에 콘텐츠 필터링 및 안전 가드레일을 손쉽게 통합하세요.

스킬 보기

cost-optimization

기타

이 Claude Skill은 리소스 적정화, 태깅 전략, 지출 분석을 통해 개발자들이 클라우드 비용을 최적화할 수 있도록 지원합니다. AWS, Azure, GCP에서 클라우드 비용을 절감하고 비용 거버넌스를 구현하기 위한 프레임워크를 제공합니다. 인프라 비용을 분석하거나, 리소스를 적정화하거나, 예산 제약을 충족해야 할 때 사용하세요.

스킬 보기

quantizing-models-bitsandbytes

기타

이 스킬은 bitsandbytes를 사용하여 LLM을 8비트 또는 4비트 정밀도로 양자화하며, 최소한의 정확도 손실로 50-75%의 메모리 감소를 달성합니다. 제한된 GPU 메모리에서 더 큰 모델을 실행하거나 추론을 가속화하는 데 이상적이며, INT8, NF4, FP4와 같은 형식을 지원합니다. 이 스킬은 HuggingFace Transformers와 통합되어 QLoRA 학습 및 8비트 옵티마이저를 가능하게 합니다.

스킬 보기

dispatching-parallel-agents

기타

이 Claude Skill은 3개 이상의 독립적인 문제를 동시에 조사하고 해결하기 위해 다중 에이전트를 배치합니다. 공유 상태나 의존성 없이 해결 가능한 무관련 장애 시나리오에 맞게 설계되었습니다. 핵심 기능은 병렬 문제 해결로, 각 독립 문제 영역마다 하나의 에이전트를 할당하여 효율성을 극대화합니다.

스킬 보기