Desarrollo de modelos de procesamiento de lenguaje natural mediante técnicas de aprendizaje automático para el análisis de sentimientos en las PQRS de clientes industriales de Vanti S.A. ESP

Abstract

El presente trabajo de grado aborda el análisis de sentimientos en las PQRS de clientes industriales de Vanti S.A. E.S.P., ante la necesidad de transformar información textual no estructurada en insumos útiles para la toma de decisiones. Como punto de partida, se identifica que la gestión de estas comunicaciones se realiza de forma manual, lo que dificulta su análisis oportuno y limita la generación de valor a partir de los datos. El objetivo del estudio fue desarrollar un modelo de procesamiento de lenguaje natural capaz de clasificar los textos en categorías de sentimiento (positivo, negativo y neutro). Para ello, se implementó una metodología cuantitativa que incluyó exploración de datos, limpieza y preprocesamiento, construcción de la variable objetivo mediante un enfoque híbrido (VADER, diccionarios y reglas heurísticas), vectorización TF-IDF y entrenamiento de modelos de machine learning. Los resultados evidenciaron que el modelo Linear SVM presentó el mejor desempeño, destacándose en métricas como F1-score macro y estabilidad en validación cruzada. En conclusión, el modelo desarrollado constituye una herramienta viable para la clasificación de PQRS, aportando valor en la identificación de casos críticos y en la generación de información estratégica para la organización.

This undergraduate thesis addresses sentiment analysis in the complaints, claims, and requests (PQRS) of industrial clients of Vanti S.A. E.S.P., given the need to transform unstructured textual information into useful inputs for decision-making. As a starting point, it was identified that the management of these communications is carried out manually, which hinders timely analysis and limits the generation of value from the data. The objective of the study was to develop a natural language processing model capable of classifying texts into sentiment categories (positive, negative, and neutral). To this end, a quantitative methodology was implemented that included data exploration, cleaning and preprocessing, construction of the target variable using a hybrid approach (VADER, dictionaries, and heuristic rules), TF-IDF vectorization, and machine learning model training. The results showed that the Linear SVM model exhibited the best performance, standing out in metrics such as F1-score macro and stability in cross-validation. In conclusion, the developed model constitutes a viable tool for the classification of complaints, claims, and requests (PQRS), adding value in the identification of critical cases and in the generation of strategic information for the organization.