BERTベースのトランスフォーマーとディープラーニング感情予測モデルの比較分析

最先端の双方向エンコーダ表現（BERT）とディープラーニング（DL）モデルは、自然言語処理（NLP）アプリケーションに使用されます。ソーシャルメディアマーケティングと顧客のポジティブな感情は、多くのオンラインビジネスにとって重要な役割を果たします。企業にとって、オンラインレビューのコンテキストに基づいて顧客の感情を予測することは重要な作業です。正確な感情を予測することは、大量の非構造化の顧客レビューデータセットのために、時間がかかり難しい作業です。多くの以前の実験結果が、大規模な顧客レビューのデータセットにおけるパフォーマンスと不正確性の問題を明らかにしています。本論文は、BERT、ハイブリッドfastText-BILSTM、およびfastTextトライグラムモデルに関する実験的研究作業の比較分析を提示し、より正確な感情予測の課題を克服します。我々は、大規模な顧客レビューのデータセットに対して微調整されたBERTおよびハイブリッドfastText-BILSTMモデルを提案します。この比較分析の結果、提案された微調整されたBERTモデルは、精度やその他のパフォーマンス指標に関して他のDLモデルと比較して優れたパフォーマンスを示しました。