TextInsight es una herramienta de análisis de texto impulsada por modelos de Lenguaje de Aprendizaje Profundo (LLM) de Inteligencia Artificial, diseñada para descifrar, interpretar y revelar patrones ocultos y tendencias significativas en datos textuales complejos.

• Selección del Modelo de Lenguaje: Elige entre GPT-3.5 Turbo, GPT-4, Davinci, y GPT-4-32k.
• Descripción del Modelo: Muestra una breve descripción del modelo seleccionado.
• Comparación de Modelos: Visualización gráfica comparativa de los modelos disponibles.

• Ingreso de Información del Proyecto:
  • Formulario Manual: Introduce el nombre del proyecto, descripción, palabras clave y notas adicionales.
  • Cargar Archivo: Sube un archivo de texto (.txt) para extraer automáticamente la información del proyecto.

• Carga de Archivos: Soporta archivos en formatos Excel, CSV, SPSS y TXT.
• Corrección y Preprocesamiento de Datos:
  • Selecciona el nivel de corrección (Ninguna, Leve, Moderado, Exhaustivo).
  • Estima el costo y el tiempo de procesamiento antes de realizar la corrección.
  • Visualización de los datos cargados y corregidos.
  • Análisis de datos corregidos, incluyendo descripciones estadísticas y visualizaciones.

• Nube de Palabras: Genera una visualización de las palabras más frecuentes en el texto procesado.
• Análisis de N-Gramas: Identifica frases comunes y patrones lingüísticos en el texto.
• Análisis de Sentimientos:
  • Evaluación del tono emocional del texto.
  • Visualización de la distribución de sentimientos y confiabilidad.
  • Promedio de confiabilidad por sentimiento.
• Generación de Grafos: Visualiza las relaciones entre palabras en el texto.
• Identificación de Temas: Agrupa documentos en categorías significativas para entender mejor el contenido.

• Exportación de Resultados: Configuración y exportación de los resultados del análisis.

1. Clona este repositorio:

   git clone https://github.com/tu_usuario/TextInsight.git

2. Navega al directorio del proyecto:

   cd TextInsight

3. Crea y activa un entorno virtual:

   python -m venv venv
   source venv/bin/activate  # En Windows usa `venv\Scripts\activate`

4. Instala las dependencias:

   pip install -r requirements.txt

1. Ejecuta la aplicación Streamlit:

   streamlit run src/gui.py

2. Accede a la aplicación en tu navegador en https://localhost:8501.

Juan Lara - Ipsos.