Analisi del sentiment delle recensioni alberghiere tramite deep learning con BiLSTM: Modelli LSTM e bidirezionali

Nell'era digitale, la rapida crescita delle piattaforme online ha trasformato in modo significativo il settore dell'ospitalità, dove le decisioni dei clienti sono sempre più influenzate dalle recensioni generate dagli utenti. Queste recensioni forniscono preziose informazioni sulle esperienze dei clienti; tuttavia, l'enorme volume di dati testuali non strutturati rende l'analisi manuale inefficiente e poco pratica. Per affrontare questa sfida, il presente studio propone un sistema automatizzato di analisi del sentiment che utilizza tecniche di deep learning per classificare le recensioni degli hotel in sentiment positivi e negativi. La ricerca utilizza un set di dati su larga scala composto da oltre 500.000 recensioni di hotel, che viene sottoposto a un'approfondita pre-elaborazione, comprendente la pulizia del testo, la tokenizzazione, la rimozione delle parole vuote e il bilanciamento dei dati per garantire l'affidabilità del modello. Viene condotta un'analisi esplorativa dei dati (EDA) per comprendere la distribuzione dei dati ed estrarre modelli significativi. I dati testuali elaborati vengono quindi trasformati in rappresentazioni numeriche utilizzando tecniche di tokenizzazione e di riempimento delle sequenze.