Análisis de sentimientos orientado al comercio electrónico de CITMATEL: proyecto de voz del cliente

Carlos Mar Rodríguez; Patricia  Montañez Castelo; Alfredo Simón Cuevas

Autores/as

Carlos Mar Rodríguez Empresa de Tecnologías y Servicios Telemáticos - CITMATEL
Patricia Montañez Castelo Universidad Tecnológica de la Habana "José Antonio Echeverría"
Alfredo Simón Cuevas Universidad Tecnológica de La Habana "José Antonio Echeverría"

Palabras clave:

comercio electrónico; procesamiento de lenguaje natural; análisis de sentimientos; Voz del Cliente

Resumen

El comercio electrónico desempeña un papel fundamental en la transformación digital. El uso generalizado de las redes sociales ha propiciado que los clientes y consumidores opinen libremente sobre los productos y servicios, y expresen sus emociones y experiencias, lo que tiene gran repercusión en los negocios de venta en línea, de ahí el surgimiento de lo que se conoce como Voz del Cliente (VoC). El procesamiento eficaz y análisis inteligente del volumen de información textual no estructurada, que se genera para capturar el grado de satisfacción de los usuarios, es una tarea desafiante que demanda la aplicación de tecnologías de Procesamiento de Lenguaje Natural (PLN), específicamente, de Análisis de Sentimientos. Este trabajo constituye un primer acercamiento de las tecnologías de Análisis de Sentimientos en el comercio electrónico que desarrolla CITMATEL. Se muestra aquí un modelo de procesamiento y análisis computacional de información textual, que guía la implementación de un proyecto de VoC con impacto en el comercio electrónico. Como parte de ese modelo se desarrolla una solución concreta de Análisis de Sentimientos, cuyas evaluaciones parciales sobre opiniones de productos en datos de prueba permitieron obtener resultados con valores de precisión y exhaustividad muy beneficiosos para su despliegue en dicha empresa.

Citas

Aboelela, E. M., Gad, W., & Ismail, R. (2021). The impact of semantics on aspect level opinion mining. PeerJ Computer Science, 7, pp. 1-22.

Akhoundzade, R., & Devin, K. H. (2020). Unsupervised aspect-based Sentiment Analysis in the Persian language: Extracting and clustering aspects. In Proceedings of the 10th International Bawack, E. B., Wamba, S. F., Carillo, K. D. A, & Akter, S (2022). Artificial intelligence in E-Commerce: a bibliometric study and literature review. Electron Mark, 32(1): 297-338.

Brauwers, G. & Frasincar, F. (2021). A Survey on Aspect-Based Sentiment Classification. ACM Computing Surveys, 1(1).

García-Pablos, A., Cuadros, M. & Rigau, G. (2018). W2VLDA: Almost Unsupervised System for Aspect Based Sentiment Analysis. Expert Systems with Applications, 91: 127-137.

Geetha, M. P., & Karthika Renuka, D. (2021). Improving the performance of aspect based sentiment analysis using fine-tuned Bert Base Uncased model. International Journal of Intelligent Networks, 2, pp. 64-69.

Hu, M., & Liu, B. (2004). Mining and summarizing customer reviews. In Proceedings of the tenth ACM SIGKDD international conference on Knowledge discovery and data mining, pp. 168-177, Seattle, Washington, USA.

Hutto, C., & Gilbert, E. (2014). VADER: A Parsimonious Rule-Based Model for Sentiment Analysis of Social Media Text. In Proceedings of the International AAAI Conference on Web and Social Media, 8(1): 216-225, AAAI Press.

Kian, R. (2021). Provide a model for an e-commerce system with the impact of artificial intelligence. International Journal of Innovation in Management, Economics and Social Sciences, 1(3): 88-94.

Mehtab, A. M. (2021). Sentiment Analysis in E-Commerce. URL: https://medium.com/federatedai/sentiment-analysis-in-e-commerce-e8a06a498a75. [consultado: 1 de diciembre de 2022]

Liu, B. & L. Zhang. (2012). A Survey of Opinion Mining and Sentiment Analysis. In Mining Text Data, C. C. Aggarwal and C. Zhai (Eds). Springer US: Boston, MA, pp. 415-463.

Liu, N., Shen, B., Zhang, Z., Zhang, Z., & Mi, K. (2019). Attention-based Sentiment Reasoner for aspect-based sentiment analysis. Human-centric Computing and Information Sciences, 9(35): 1-17.

López, D. & Arcos, L. (2019). Deep learning for aspect extraction in textual opinions. Revista Cubana de Ciencias Informáticas, 13(2): 105-145.

Nazir, A., Y. Rao, L. Wu, & L. Sun, (2022). Issues and Challenges of Aspect-based Sentiment Analysis: A Comprehensive Survey. IEEE Transactions on Affective Computing, 13(2): 845-863.

Phan, M. H., & Ogunbona, P. (2020) Modelling Context and Syntactical Features for Aspect-based Sentiment Analysis. In Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, pp. 3211-3220, Seattle, Washington, USA.

Saraswat, A., Kumar Azad, H., & Abhishek, K. (2022). Towards improving e-commerce customer review analysis for sentiment detection. Scientific Reports, 12(1): 1-15.

Sarkar, D. (2019). Text Analytics with Python. A Practitioner’s Guide to Natural Language Processing, 2nd ed. APress.

Shahzad, K., Pervaz, I., & Nawab, A. (2018). WordNet-based Semantic Similarity Measures for Process Model Matching. In Proceedings of the 17th International Conference on Perspectives in Business Informatics Research. Stockholm, Sweden, pp. 33-44.

Subhashini, L. D. C. S., Li, Y., Zhang, J., Atukorale, A. S., & Wu, Y. (2021). Mining and classifying customer reviews: a survey. Artificial Intelligence Review, 54(8): 6343-6389.

Varathan, K., A. Giachanou, & F. Crestani. (2017). Comparative Opinion Mining: A Review. Journal of the Association for Information Science and Technology, 68(4): 811-829.

Conference on Computer and Knowledge Engineering (ICCKE), pp. 94-100. Mashhad, Iran.