dc.contributor.advisor |
Villavicencio Cabezas, Mónica K., Director |
|
dc.contributor.author |
Mantilla Saltos, Gabriel |
|
dc.creator |
ESPOL.FIEC |
|
dc.date.accessioned |
2024-03-04T20:32:54Z |
|
dc.date.available |
2024-03-04T20:32:54Z |
|
dc.date.issued |
2023 |
|
dc.identifier.citation |
Mantilla Saltos, G. (2023). Sistema de evaluación de características técnicas de los rastreadores de actividad física mediante el análisis de las reseñas de los clientes de Amazon. [Tesis]. ESPOL.FIEC . |
|
dc.identifier.uri |
http://www.dspace.espol.edu.ec/handle/123456789/60630 |
|
dc.description |
Los rastreadores de actividad física alientan a las personas a ser más activas, a las que sufren de problemas de obesidad a perder peso monitoreando su dieta, a los adultos mayores a comprender su estado de salud midiendo su frecuencia cardiaca. En general, las empresas muestran publicidad para este tipo de productos y los describen como beneficiosos. Sin embargo, los usuarios buscan los productos que mejor se adapten a sus necesidades personales, para lo cual suelen revisar las opiniones de otros usuarios en plataformas de comercio electrónico como Amazon. En esta investigación, se estudió la satisfacción de los usuarios tras publicar su experiencia de haber usado los rastreadores de actividad física. Se evaluó si las opiniones provistas están relacionadas a la calidad ofrecida por los fabricantes, mediante la utilización de técnicas de procesamiento de lenguaje natural. Se desarrollo un análisis de sentimientos en función a las características técnicas ofrecidas por los dispositivos, empleando el aprendizaje de transferencia de un modelo de lenguaje basado en Transformer (RoBERTa). Se reentrenó el modelo en un corpus más específico, adaptándolo a la terminología de las reseñas en base a las valoraciones de los usuarios. Se desarrollo el entrenamiento del modelo en 2 módulos independientes, el primer módulo clasificó 20 características técnicas logrando un ajuste en el periodo de prueba del 93.48% de precisión, y el segundo modulo clasificó los sentimientos del usuario en un ajuste del 70.95%. Se realizó una comparación entre el sentimiento promedio del usuario vs el fabricante, obteniendo un 3.11 para el usuario y 3.99 para el fabricante. Palabras Clave: BERT, análisis de sentimientos, NLP, aumento de datos. |
|
dc.format |
application/pdf |
|
dc.format.extent |
29 página |
|
dc.language.iso |
spa |
|
dc.publisher |
ESPOL.FIEC |
|
dc.rights |
openAccess |
|
dc.subject |
Aumento de datos |
|
dc.subject |
BERT |
|
dc.subject |
Análisis de sentimientos |
|
dc.subject |
NLP |
|
dc.title |
Sistema de evaluación de características técnicas de los rastreadores de actividad física mediante el análisis de las reseñas de los clientes de Amazon |
|
dc.type |
Magister en Ciencias de la Computación |
|
dc.identifier.codigoespol |
T-114121 |
|
dc.description.city |
Guayaquil |
|
dc.description.degree |
Escuela Superior Politécnica del Litoral |
|
dc.identifier.codigoproyectointegrador |
FIEC-POSTG045 |
|
dc.description.abstractenglish |
The use of Fitness trackers is increasingly by people to track their diet, measure their heart rate, control weight loss, count the steps, among other functions that help them monitor their health and increase their physical activity. The companies that manufacture these trackers advertise the benefits of this type of product, for which they include a description of their characteristics and benefits on their websites or on e-commerce platforms such as Amazon. On the other hand, users usually review the information provided by manufacturers and the opinions of other users. However, users look for products that better suit their needs. In this research, user satisfaction was studied after publishing their experience of using physical activity trackers. It was evaluated whether the opinions provided are related to the quality offered by the manufacturers, through the use of natural language processing techniques. A sentiment analysis was developed based on the technical characteristics offered by the devices, using transfer learning of a language model based on Transformer (RoBERTa). The model was retrained in a specific corpus, adapting it to the terminology of the reviews based on user ratings. The training of the model was developed in 2 independent modules, the first module classified the user?s sentiment getting in the validation period a fit of 70.95% of accuracy, and the second module classified 20 technical characteristics getting a fit of 93.48% of accuracy. We obtained a comparison between the average sentiment of the user vs. the manufacturer of 3.11 and 3.99. Keywords: Sentiment analysis, data augmentation, BERT, NLP. |
|