基于循环神经网络的商业情感分析长短期记忆（LSTM）模型
摘要
商业情感分析（BSA）是自然语言处理中一个重要且热门的话题。它是用于商业目的的情感分析技术之一。不同类型的情感分析技术，如基于词典的技术和不同类型的机器学习算法，被应用于不同语言（如英语、印地语、西班牙语等）的情感分析。在本文中，长短期记忆（LSTM）被应用于商业情感分析，其中使用了循环神经网络。LSTM 模型采用改进方法以防止梯度消失问题，而非应用传统的循环神经网络（RNN）。为应用改进的 RNN 模型，使用了产品评论数据集。在本实验中，70% 的数据用于训练 LSTM，其余 30% 的数据用于测试。改进的 RNN 模型的结果与其他传统 RNN 模型进行了比较，并对结果进行了对比分析。结果表明，所提出的模型优于其他传统 RNN 模型。这里，所提出的改进 RNN 模型方法实现了约 91.33% 的准确率。通过应用该模型，任何商业公司或电子商务网站都可以识别客户对不同类型产品的反馈，了解客户喜欢或不喜欢什么。基于客户评论，商业公司或电子商务平台可以评估其营销策略。
引用
@article{arxiv.2509.03060,
title = {A Long Short-Term Memory (LSTM) Model for Business Sentiment Analysis Based on Recurrent Neural Network},
author = {Md. Jahidul Islam Razin and Md. Abdul Karim and M. F. Mridha and S M Rafiuddin and Tahira Alam},
journal= {arXiv preprint arXiv:2509.03060},
year = {2025}
}
备注
11 pages, 9 figures, 3 tables, published in Sustainable Communication Networks and Application: Proceedings of ICSCN 2020 (2021). Paper presents an LSTM-based business sentiment analysis model with 91.33% accuracy, compares against KNN, SVM, and Naive Bayes, and discusses methodology, dataset, training/testing, results, and implementation tools