تحليل المشاعر باستخدام Word2vec وذاكرة طويلة قصيرة الأمد (LSTM) لتقييمات الفنادق الإندونيسية

بشكل عام، يحتوي وكيل السفر عبر الإنترنت (OTA) على عنصر مراجعة حيث يمكن للعملاء تقديم تقييمات للمرافق التي استخدموها. إن توفر حجم ضخم من المراجعات يجعل من الصعب على التنفيذيين في الخدمة معرفة النسبة المئوية للمراجعات التي تؤثر على خدماتهم. لذلك، من الضروري تطوير تقنية لتقييم المشاعر فيما يتعلق بتقييمات الفنادق، لا سيما باللغة الإندونيسية. تستخدم هذه الدراسة نموذج ذاكرة طويلة قصيرة الأمد (LSTM) بالإضافة إلى نموذج Word2Vec. تشمل المتغيرات المدمجة بين Word2Vec وLSTM المستخدمة في هذه الدراسة هي هيكل Word2Vec، أبعاد المتجه لـ Word2Vec، طريقة تقييم Word2Vec، تقنية التجميع، قيمة الإسقاط، ومعدل التعلم. استنادًا إلى دراسة تجريبية تم تنفيذها من خلال 2500 نص مراجعة كبيانات، تم الحصول على أفضل أداء بدقة 85.96%. كانت تركيبات المعلمات لـ Word2Vec هي Skip-gram كهيكل، وHierarchical Softmax كطريقة تقييم، و300 كأبعاد المتجه. بينما كانت تركيبات المعلمات لـ LSTM هي قيمة الإسقاط 0.2، نوع التجميع هو التجميع المتوسط، ومعدل التعلم هو 0.001.