Actualmente se ha incrementado la informacion disponible en un conjunto amplio de temas, debido principalmente a la utilizacion exponencial por parte de las personas de herramientas Web 2.0 como lo son foros de opinion y las redes sociales; esto ha originado un alto volumen de comentarios en numerosos temas de interes, pero sobre esta informacion no se realizan analisis, desaprovechando su inmenso potencial para ayudar a las personas y a las organizaciones en los procesos de toma de decisiones. Este documento describe la investigacion, analisis, desarrollo e implementacion de un sistema que permite determinar la polaridad de un texto de opinion no estructurado y clasificarlo como positivo o negativo, teniendo en cuenta factores de sentimientos, emociones y actitudes expresadas en dicha opinion. Basado en el uso de herramientas de Procesamiento de Lenguaje Natural, analisis de estructura semantica, lexicos de opinion y guiado por el modelo de procesos KDD, se estudiaron y evaluaron combinaciones de atributos en el contexto de datos dado, que resultaron en la obtencion de un modelo de atributos confiable que precisan los algoritmos de clasificacion utilizados. El sistema implemento dos (2) algoritmos de clasificacion continua supervisada: NaiveBayes y MaxEntropy, con los cuales se realizo la modificacion necesaria para ser utilizados en el analisis de texto, y con los cuales se estima la probabilidad de cada clase (positiva, negativa) bajo un esquema de ponderacion y se determina dicha clase en la evaluacion y clasificacion de un texto dado. Para establecer la validez del modelo y los algoritmos implementados se hace uso de metricas que evaluan el comportamiento de cada algoritmo frente al modelo y el conjunto de datos establecido.