Clasificación de Géneros de Películas Usando Procesamiento de Lenguaje Natural (NLP)

Descripción del Proyecto

Este repositorio contiene un proyecto enfocado en la clasificación de géneros de películas basándose únicamente en sus descripciones. Cada película puede pertenecer a varios géneros, y utilizamos técnicas de Procesamiento de Lenguaje Natural (NLP) en Python para realizar esta clasificación multietiqueta. El proyecto implica la limpieza, el procesamiento y el análisis de los textos para extraer características significativas y, finalmente, predecir los géneros mediante una red neuronal.

Características Clave

• Preprocesamiento de Datos:

  • Limpieza de texto, incluyendo la eliminación de stopwords y lematización.
  • Vectorización de palabras usando varias técnicas (TF-IDF, Bag of Words).
  • Análisis de las palabras más comunes en los diferentes géneros.

• Modelado:

  • Resolución de un problema de clasificación multietiqueta mediante una red neuronal implementada con la librería TensorFlow.
  • La variable objetivo (los géneros de las películas) se codificó como dummies para el entrenamiento.
  • La red neuronal se entrena utilizando un enfoque de aprendizaje supervisado, con división de los datos en entrenamiento y prueba.

• Evaluación del Desempeño:

  • Se utilizan varias métricas de evaluación, como el AUC (Área Bajo la Curva) y la precisión, para medir el rendimiento del modelo.

Flujo de Trabajo

1. Limpieza de Datos:

   • Tokenización, lematización y eliminación de stopwords para preprocesar las descripciones de las películas.

2. Extracción de Características:

   • Conversión del texto limpio en vectores mediante técnicas de vectorización de palabras.

3. Entrenamiento del Modelo:

   • Entrenamiento supervisado utilizando una red neuronal diseñada para clasificación multietiqueta.
   • El modelo predice géneros para cada película en función de la descripción, aprovechando la potencia de los embeddings de palabras.

4. Evaluación:

   • Se calculan métricas como el AUC y la precisión para evaluar el rendimiento del modelo.

Librerías Utilizadas

• Python
• TensorFlow
• Scikit-learn
• NLTK (Natural Language Toolkit)
• Pandas
• NumPy

Cómo Ejecutar el Proyecto

1. Clona este repositorio:

   git clone https://github.com/yourusername/movie-genre-classification.git
   

2. Instala las dependencias necesarias:

   pip install -r requirements.txt
   

El archivo requirements.txt incluye todas las librerías necesarias para ejecutar el proyecto, como TensorFlow, Scikit-learn, NLTK, Pandas, y NumPy. Estas herramientas son clave para realizar el procesamiento de lenguaje natural (NLP), la vectorización de palabras y la construcción del modelo de red neuronal para la clasificación de géneros de películas.