基于 LLM 的孟加拉国电商评论情感分类
计算与语言
2025-10-03 v1 人工智能
摘要
情感分析是文本分析的重要组成部分，文本分析是一个更广泛的领域，包括确定和评估作者的情绪状态。这种方法至关重要，因为它有助于全面理解消费者的感受、观点和偏好。大语言模型（LLMs）的引入，例如 Llama，极大地增加了情感分析等前沿模型应用的可用性。然而，书面语言的复杂性和评论中使用的语言的多样性阻碍了准确的情感分析。本文研究了使用基于 Transformer 的 BERT 模型和其他 LLMs 对孟加拉国电商评论进行情感分析的可行性。利用来自孟加拉语和英语客户评论原始数据集的 4000 个样本子集对模型进行微调。微调后的 Llama-3.1-8B 模型优于其他微调模型，包括 Phi-3.5-mini-instruct、Mistral-7B-v0.1、DistilBERT-multilingual、mBERT 和 XLM-R-base，其总体准确率、精确率、召回率和 F1 分数分别为 95.5%、93%、88%、90%。该研究强调了参数高效微调方法（LoRA 和 PEFT）如何降低计算开销并使其适用于资源有限的环境。结果表明 LLMs 可以
引用
@article{arxiv.2510.01276,
title = {LLM Based Sentiment Classification From Bangladesh E-Commerce Reviews},
author = {Sumaiya Tabassum},
journal= {arXiv preprint arXiv:2510.01276},
year = {2025}
}