Extracción de comentarios de tiendas en línea

Abstract

Las tiendas en línea suelen incluir una sección de comentarios de clientes en las páginas de sus productos. Dicha sección es útil para otros clientes, propietarios de las tiendas y fabricantes. Sin embargo, la identificación automática de la sección de comentarios no es trivial, ya que normalmente se encuentra en una página con más información sobre el producto, imágenes, anuncios, avisos, menú de navegación, etc. Este trabajo presenta una técnica novedosa para la extracción de comentarios de productos. La técnica no solo extrae texto, sino también otros tipos de contenido relevante, como animaciones, videos, etc. Está basada en el árbol DOM y únicamente necesita cargar una página para extraer los comentarios del producto, por tanto, puede ser utilizada en tiempo real durante la navegación sin necesidad de preprocesamiento de las páginas. Para entrenar y evaluar la técnica hemos construido un conjunto de pruebas basadas en páginas web reales y heterogéneas. La evaluación empírica muestra que la técnica obtiene una puntuación F1 media de 90,4% y resultados perfectos en la mayoría de páginas web.