A indústria do turismo é um setor econômico-chave na Indonésia, com Java Oriental ocupando a primeira posição em visitas turísticas. Este estudo visa aprimorar o desenvolvimento do turismo aplicando análise de sentimento baseada em aspecto (ABSA) usando redes neurais convolucionais (CNN) para analisar avaliações online. A CNN foi selecionada para este estudo devido à sua eficiência comprovada em capturar características locais de n-gram e seu custo computacional relativamente mais baixo em comparação com outros modelos de aprendizado profundo. Avaliações do TripAdvisor e do Google Maps foram coletadas, focando em quatro aspectos: atrações, comodidades, acesso e preço. Cinco modelos diferentes foram desenvolvidos nesta pesquisa: um classificador de aspecto multilabel projetado para identificar múltiplos aspectos mencionados em cada avaliação, e quatro classificadores de sentimento focados na avaliação da polaridade do sentimento para cada aspecto específico. Esses modelos foram treinados e avaliados usando várias combinações de embeddings de palavras, incluindo embeddings estáticos como o Word2Vec, e embeddings contextualizados como o BERT e o IndoBERT. Adicionalmente, o impacto do pré-processamento através da derivação foi investigado para entender como a simplificação das formas das palavras afeta o desempenho do modelo. Os resultados indicam que o IndoBERT-CNN alcança a melhor classificação geral de sentimento, atingindo F1-scores de até 0,71 para atrações e 0,93 para comodidades, enquanto o Word2Vec-CNN com derivação lidera a classificação multilabel. Embora a derivação melhore o desempenho para embeddings estáticos como o Word2Vec simplificando as formas das palavras, reduz a eficácia em modelos baseados em transformadores como o BERT e o IndoBERT que dependem do contexto da linguagem natural. Essas descobertas destacam o benefício de escolher embeddings e pré-processamento apropriados para diferentes tarefas, fornecendo assim insights práticos para melhorar os serviços turísticos através de uma melhor análise de avaliações de turistas.
Putri et al. (Sun,) estudaram esta questão.