¿Puedes hacer NLP sin código?
Hace unos meses quería probar la plataforma Orange3 para analizar cómo funciona una herramienta «no-code» y explorar datos mediante Procesado de Lenguaje Natural (NLP). Mi objetivo era resolver preguntas básicas sobre ingesta, pre-procesado y modelado de datos sin escribir una sola línea de código.
¿Qué implica el NLP sin código (No-Code)?
Extraer conocimiento de un corpus de documentos mediante programación visual. Esto significa:
- No depender de instalaciones complejas de Python o R.
- Centrarse 100% en la lógica del problema y no en la sintaxis.
- Reducir drásticamente la curva de aprendizaje para perfiles analíticos no técnicos.
Herramientas de Referencia
En este campo, mis dos herramientas de cabecera son:
- KNIME Analytics Platform: Potente, modular y con una comunidad inmensa.
- Orange Data Mining: Visualmente excelente y muy intuitiva para prototipado rápido.
Ejemplo Práctico con Orange3: Análisis de Horizon 2020
Para poner a prueba Orange3, analicé las convocatorias del programa europeo Horizon 2020 relacionadas con el “Coche Conectado”.
El Workflow
Utilizando el add-on Text Mining, diseñé un flujo para identificar temas (topics) y agrupar convocatorias similares.
Resultados
- Hierarchical Clustering: Tras pre-procesar los documentos (tokenización, filtrado de stopwords y normalización), utilicé distancias por coseno para agrupar los topics en 10 clusters coherentes.
- Topic Modeling (LDA): El algoritmo LDA permitió identificar las palabras clave dominantes. Gracias a la visualización interactiva de Orange, al seleccionar una palabra se pueden ver automáticamente todos los documentos asociados, facilitando la validación de los resultados.
Conclusión
El movimiento no-code está permitiendo democratizar el acceso a tecnologías avanzadas. Lo que antes requería semanas de desarrollo en Python, ahora puede prototiparse en horas mediante flujos visuales, permitiendo que el experto en el dominio (negocio) esté mucho más cerca del análisis de datos.