基于 XGBoost 算法的电商平台 YouTube 评论情感分析与客户满意度预测
计算与语言
2026-05-07 v1
摘要
印度尼西亚数字商业的指数级扩张已将消费者互动显著转向以视频为中心的社交网络，尤其是 YouTube。因此，海量非结构化、多语境的评论给手动情感追踪带来了巨大挑战。本研究利用极端梯度提升 架构结合词频-逆文档频率 (TF-IDF) 向量化，构建并调查了一个客户满意度预测模型。通过利用从电商评论视频中提取的 YouTube 评论二级数据集，原始文本经过严格的预处理以生成归一化的数值特征。实验结果表明，经 PyCaret 优化的机器学习框架展现出卓越的分类鲁棒性。除标准性能指标外，词汇评估和特征重要性映射揭示了一个显著现象：电商话语大量渗入了社会政治术语，这最终影响了受众满意度的极性。
引用
@article{arxiv.2605.04887,
title = {Sentiment Analysis and Customer Satisfaction Prediction on E-Commerce Platforms Based on YouTube Comments Using the XGBoost Algorithm},
author = {Ridho Benedictus Togi Manik and Muhammad Aqil Ramadhan and Ihsan Maulana Yusuf and Luluk Muthoharoh and Ardika Satria and Martin Clinton Tosima Manullang},
journal= {arXiv preprint arXiv:2605.04887},
year = {2026}
}
备注
5 pages, 10 figures