Classificazione del sentiment delle recensioni cinematografiche in base al contesto: Utilizzo di reti LSTM bidirezionali

La rapida crescita delle piattaforme digitali ha portato a un enorme aumento dei testi generati dagli utenti, in particolare delle recensioni cinematografiche. L'analisi manuale di tali dati è difficile e richiede molto tempo. L'analisi del sentiment, un'area importante dell'elaborazione del linguaggio naturale (NLP), aiuta a identificare automaticamente le opinioni espresse nei testi. Questo studio sviluppa un sistema basato sul deep learning per classificare le recensioni cinematografiche come positive o negative. È stato utilizzato il set di dati IMDB composto da 50.000 recensioni etichettate. La pre-elaborazione dei dati ha incluso la rimozione dei tag HTML, la normalizzazione, la tokenizzazione, la rimozione delle parole vuote e lo stemming. Il testo elaborato è stato convertito in forma numerica utilizzando gli embedding delle parole per coglierne il significato. È stato utilizzato un modello LSTM bidirezionale, che legge il testo in entrambe le direzioni per comprendere il contesto meglio rispetto ai modelli tradizionali. Il modello è stato addestrato con l'ottimizzatore Adam e la perdita di entropia incrociata binaria, con l'utilizzo dell'early stopping per ridurre l'overfitting. I risultati hanno mostrato un'accuratezza di circa l'88,5%, dimostrando l'efficacia del modello. Questo approccio può essere applicato nei sistemi di raccomandazione, nell'analisi dei social media e nella valutazione dei feedback.