Na Análise de Sentimento, algoritmos de Aprendizado de Máquina (ML) e Aprendizado Profundo (DL) são usados para entender a natureza e as respostas das pessoas a eventos. A análise de sentimento é amplamente utilizada em vários campos para estudar opiniões ou feedback e melhorar serviços. Ela é usada para analisar documentos de sentimento e classificar sua polaridade como positiva, negativa ou neutra. Pesquisas recentes em andamento estão focadas na Análise de Sentimento Multiclasse (MCSA), visando analisar documentos textuais e extrair insights deles. Um estudo que utilizou redes neurais LSTM apresentou uma análise abrangente dos dados de medição do desempenho acadêmico dos alunos, que transformou métricas de medição em três categorias de sentimento. Os sistemas educacionais envolvidos em aprendizado, tomada de decisão e processo de avaliação foram melhorados através do desempenho dos alunos na Análise de Sentimento Multiclasse. Um estudo que usou redes neurais Long Short-Term Memory (LSTM) para medir os dados de desempenho dos alunos alcançou um desempenho excelente com uma precisão de 99,89% através de cuidadosa engenharia de características, balanceamento de classes e otimização da arquitetura LSTM. A pesquisa proposta forneceu insights sobre as aplicações dessas tecnologias em vários campos de aprendizado de máquina e aprendizado profundo, incluindo educação, voz do cliente, análise da força de trabalho, política, marketing digital e monitoramento de mídias sociais, e estabeleceu uma estrutura para isso.
Sayed et al. (Qui,) estudaram esta questão.