Analiza nastrojów w recenzjach hoteli z wykorzystaniem sieci g¿¿bokiego uczenia BiLSTM: Modele LSTM i dwukierunkowe

W erze cyfrowej gwätowny rozwój platform internetowych znacz¿co zmieni¿ bran¿¿ hotelarsk¿, w której na decyzje klientów coraz wi¿kszy wp¿yw maj¿ recenzje tworzone przez u¿ytkowników. Recenzje te dostarczaj¿ cennych informacji na temat do¿wiadcze¿ klientów; jednak ogromna ilo¿¿ nieustrukturyzowanych danych tekstowych sprawia, ¿e r¿czna analiza jest nieefektywna i niepraktyczna. Aby sprostä temu wyzwaniu, w niniejszym badaniu zaproponowano zautomatyzowany system analizy sentymentu wykorzystuj¿cy techniki g¿¿bokiego uczenia si¿ do klasyfikacji recenzji hoteli na pozytywne i negatywne. W badaniach wykorzystano zbiory danych na du¿¿ skal¿, obejmuj¿ce ponad 500 000 recenzji hoteli, które zostäy poddane szeroko zakrojonemu przetwarzaniu wst¿pnemu, w tym czyszczeniu tekstu, tokenizacji, usuwaniu s¿ów zb¿dnych oraz równowäeniu danych w celu zapewnienia niezawodno¿ci modelu. Przeprowadzono eksploracyjn¿ analiz¿ danych (EDA) w celu zrozumienia rozk¿adu danych i wydobycia znacz¿cych wzorców. Przetworzone dane tekstowe s¿ nast¿pnie przeksztäcane na reprezentacje liczbowe przy u¿yciu technik tokenizacji i wype¿niania sekwencji.