Este proyecto tiene por objetivo presentar y analizar las bases de una posible solución al problema anteriormente planteado. Estudiaremos la aplicación técnicas de Machine Learning, en particular de diferentes modelos de Support Vector Machines, para clasificar conjuntos de comentarios de aplicaciones. Estos comentarios serán extraídos de tiendas online de aplicaciones para móviles. En particular, utilizaremos técnicas de aprendizaje automático supervisado y compararemos diferentes modelos capaces de decidir si cada uno de los comentarios analizados contienen o no oraciones con información subjetiva sobre la aplicación, es decir, si en ellas se valora la aplicación en cuestión. Además, asignaremos cada una de estas valoraciones a cero o más temas generales. Dichos temas serán, como ya se comenta en apartados posteriores, la facilidad de uso, la estabilidad, la funcionalidad, el diseño y el rendimiento. También será parte del abasto de este proyecto la inferencia de la polaridad de dichas valoraciones, es decir, descubrir si se trata de comentarios positivos o negativos. Además analizaremos las posibilidades de extensión que nos proporcionan estos modelos para aplicaciones de ámbitos diversos. A vista de los resultados decidiremos si es necesario construir modelos de detección diferentes para analizar comentarios de aplicaciones correspondientes a ámbitos diferentes o es posible realizar un único modelo para cualquier tipo de aplicación. El objetivo final de este proyecto es por tanto estudiar los valores óptimos que deberían tener los clasificadores anteriormente mencionados. Acotaremos este estudio a los clasificadores basados en SVM binarios o multi-clase. Comprobaremos también el efecto que supone la selección de diferentes conjuntos de atributos lingüísticos con los que representar cada documento de entrada y diferentes métodos de reducción del de número de los mismos.