Sistema para el análisis de sentimiento de opiniones de productos en un e-commerce B2C usando técnicas de machine learning

Abstract

La presente investigación aborda un problema en los e-commerce B2C: la baja receptividad y aprovechamiento de las opiniones de los clientes hacia los productos. Se identifican causas como la dificultad para obtener información sobre la experiencia del usuario, variedad de comentarios en los productos y pérdida de insights de los comentarios. Se sustenta en la teoría de análisis de sentimiento y en modelos de aprendizaje supervisado basados en redes neuronales de atención, aplicados al procesamiento de lenguaje natural. El objetivo principal de la investigación es desarrollar un sistema que utiliza técnicas avanzadas de Machine Learning para clasificar automáticamente los comentarios según el sentimiento expresado (positivo, neutro o negativo). Este sistema busca servir como una herramienta precisa y automatizada que facilita el análisis de las opiniones de los clientes. Los objetivos específicos incluyen automatizar la clasificación de comentarios, desarrollar un módulo de análisis de sentimientos y desarrollar un modelo para visualizar los análisis realizados. se procesan 100 000 comentarios de la categoría Electronics de Amazon, aplicando limpieza de datos y probando 3 algoritmos, donde BERT destaca con un 89,2 % de precisión y se implementa modelado de tópicos; segundo, se diseña una arquitectura de software basada en microservicios con módulos para clasificación, análisis temático y gestión de usuarios, todos accesibles vía API; y tercero, se desarrolla una interfaz web en Angular para consumir estos servicios, permitiendo autenticación, carga y análisis de datos con dashboards interactivos. La investigación concluye con el desarrollado de un software eficiente que cumple con los requerimientos para el análisis de comentarios. La adecuada selección de tecnologías garantiza su escalabilidad y mantenibilidad.