Sistema automatizado para el análisis de sentimientos y minería de opiniones en reseñas de productos de AliExpress mediante algoritmos de aprendizaje supervisado y no supervisado

Abstract

El presente trabajo desarrolla un sistema automatizado de análisis de sentimientos y minería de opiniones en reseñas de productos de AliExpress, implementado como aplicación de escritorio en Python. El sistema integra cinco fases secuenciales: extracción automatizada con Selenium WebDriver, preprocesamiento con NLTK y spaCy, vectorización con Word2Vec y FastText, clasificación supervisada con SVM y agrupamiento no supervisado con K-Means. Se extrajeron 1.358 reseñas del producto seleccionado, de las cuales 544 resultaron válidas tras el preprocesamiento, distribuidas en 509 positivas, 22 negativas y 13 neutras. Se aplicó SMOTE para mitigar el desbalance de clases. Los resultados muestran que FastText con SVM y balanceo alcanzó una Precision de 0.9239 y F1-score de 0.8260, mostrando capacidad de discriminación entre las tres categorías de sentimiento, aunque con un desempeño limitado en las clases minoritarias. Se concluye que las técnicas de balanceo son esenciales para clasificadores entrenados sobre corpus naturalmente desbalanceados como las reseñas de comercio electrónico.