Reconocimiento y clasificación de comentarios de productos de Amazon

Palabras clave: Sentimiento del consumidor, análisis de comentarios, minería de opiniones, clasificación de datos, Amazon, Inteligencia artificial

Resumen

El flujo de información surge día a día mediante internet de manera continua gracias a las constantes interacciones presentes entre los usuarios, estas interacciones se presentan en comentarios que pueden ser positivos o negativos. Esto puede ayudar mucho al servicio que ofrece Amazon en sus productos para poder comprender si esta´ en buen estado o no, para que sus usuarios de la plataforma se puedan convencer al momento de comprar un producto, y es que, si estos son un gran número, un análisis hecho por una sola persona no es suficiente. Para ello es necesario el uso de herramientas que operan con grandes cantidades de datos como (nombre del procesamiento de datos), que es un modelo que ayuda al análisis de clasificación de comentarios basados en lo que expresan los usuarios. En este trabajo se usará´ este modelo para la clasificación de comentarios de productos de Amazon, valorando estos comentarios según su descripción. Se harán además uso de métricas y de sugerencias futuras para la propuesta mencionada en este trabajo. El análisis de los comentarios ayudara´ a entender cómo es que las personas clasifican estas diferentes situaciones de su vida cotidiana. Los datos de las redes sociales se utilizan durante todo el proceso de análisis y clasificación, que consiste en datos de texto. Utilizando las redes sociales, se puede monitorizar o analizar los comentarios. En este trabajo de investigación clasificaremos los datos de los comentarios que se realizan en Amazon relativos a su calificación en cada comentario.

Descargas

La descarga de datos todavía no está disponible.
Citas

P. Keung, Y. Lu, G. Szarvas y N. A. Smith, “The Multilingual Amazon Reviews Corpus”, en Proc. 2020 Conf. Empirical Methods Natural Lang. Process. (EMNLP), Online. Stroudsburg, PA, USA: Assoc. Comput. Linguistics, 2020. Accedido el 21 de octubre de 2023. [En l´ınea]. Disponible: https://doi.org/10.18653/v1/2020.emnlp-main.369

M. V. Rao and S. C., ”Detection of Sarcasm on Amazon Product Reviews using Machine Learning Algorithms under Sentiment Analy- sis,” 2021 Sixth International Conference on Wireless Communications, Signal Processing and Networking (WiSPNET), Chennai, India, 2021, pp. 196-199, doi: 10.1109/WiSPNET51692.2021.9419432.

Jain, K. (2021). Amazon reviews [Data set].

asin. Geophysical research letters, 25(2), 155-158.

Rorato, A. C., Dal’Asta, A. P., Lana, R. M., Dos Santos, R. B., Escada, M. I. S., Vogt, C. M.,Codec¸o, C. T. (2023). Trajetorias: a dataset of environmental, epidemiological, and economic indicators for the Brazilian Amazon. Scientific Data, 10(1), 65.

C. Danescu-Niculescu-Mizil, G. Kossinets, J. Kleinberg, and L. Lee, “How opinions are received by online communities: A case study on Amazon.com helpfulness votes,” arXiv (Cornell University), Jun. 2009, [Online]. Available: https://arxiv.org/pdf/0906.3741.pdf

X. Zhao y Y. Sun, “Amazon Fine Food Reviews with BERT Model”, Procedia Comput. Sci., vol. 208, pp. 401–406, 2022. Accedido el 26 de noviembre de 2023. [En l´ınea]. Disponible: https://doi.org/10.1016/j.procs.2022.10.056

A. Verma, C. Rawat y M. S. Gupta, “Sentiment Analysis for Amazon Product Reviews”, Int. J. Recent Technol. Eng. (IJRTE), vol. 11, n.º 2, pp. 109–112, julio de 2022. Accedido el 26 de noviembre de 2023. [En l´ınea]. Disponible: https://doi.org/10.35940/ijrte.b7099.0711222

S. Iftikhar, B. Alluhaybi, M. Suliman, A. Saeed y K. Fatima, “Ama- zon products reviews classification based on machine learning, deep learning methods and BERT”, TELKOMNIKA (Telecommunication Comput. Electron. Control), vol. 21, n.º 5, p. 1084, octubre de 2023. Accedido el 26 de noviembre de 2023. [En l´ınea]. Disponible: https://doi.org/10.12928/telkomnika.v21i5.24046

Recibido: 2023-08-26
Aceptado: 2023-10-25
Publicado: 2024-03-30
Cómo citar
[1]
L. R. Mamani Arosquipa y F. J. Duarte Oruro, «Reconocimiento y clasificación de comentarios de productos de Amazon», Innov. softw., vol. 5, n.º 1, pp. 20-32, mar. 2024.
Sección
Artículos originales