Die meisten modernen Onlineshops verfügen über die Möglichkeit, dass Kunden ihr Feedback oder Fragen bezüglich eines Produktes hinterlassen können. Diese Sektion ist für den Konsumenten von großer Bedeutung, da er die Erfahrungen anderer Personen mit dem Artikel und deren Zufriedenheit mit dem Artikel analysieren kann. Das Feedback der Konsumenten ist aber auch für die Hersteller der Produkte von großem Interesse, da sich ihnen hierdurch die Möglichkeit bietet, ihre Produkte mit Hilfe des Feedbacks zu optimieren oder das Marketing des Artikels entsprechend dem Feedback anzupassen. Will man die unterschiedlichen Konsumentenrückmeldungen übergreifend auswerten, liegt eine Schwierigkeit der Auswertung darin, dass es sehr viele verschiedene Plattformen gibt, auf denen die Artikel eines Herstellers verkauft werden. Diese Plattformen benutzen für die Beschreibung desselben Artikels oftmals verschiedene Systeme oder Konzepte. Des Weiteren sind diese Plattformen teilweise in verschiedenen Sprachen vorhanden. Um das Benutzerfeedback der einzelnen Plattformen auswerten zu können müssen die Unternehmen identische Artikel auf den verschiedenen Plattformen identifizieren und das Benutzerfeedback der einzelnen Plattformen kombinieren. Die Identifikationsmöglichkeiten identischer Produkte aus verschiedenen Plattformen soll in dieser Bachelorarbeit mit Hilfe verschiedener Verfahren des Maschinellen Lernens analysiert werden.