印尼 Spotify 评论情感分析：基于机器学习与 BiLSTM 方法
计算与语言
2026-05-06 v1
摘要
本文对比评估了经典机器学习与深度学习方法用于印尼 Spotify 评论的三个类别情感分类。实验使用 100,000 条爬取的评论和 70,155 条清洗后的样本，比较支持向量机、多inomial 朴素贝叶斯和决策树模型与双向 LSTM（BiLSTM）。两种方法使用相同的预处理流程，包括俚语规范化、停用词移除和词干提取。决策树在经典模型中取得最佳性能，而 BiLSTM 在整体加权 F1 分数上最高，但在少数类别（中性）上表现不足。论文得出结论：BiLSTM 在整体情感检测方面更强大，而结合 SMOTE 的机器学习方法在三个类别的平衡性能上更佳。
引用
@article{arxiv.2605.03443,
title = {Sentiment Analysis of Indonesian Spotify Reviews Using Machine Learning and BiLSTM},
author = {Uliano Wilyam Purba and Andre Hadiman Rotua Parhusip and Sahid Maulana and Luluk Muthoharoh and Ardika Satria and Martin C. T. Manullang},
journal= {arXiv preprint arXiv:2605.03443},
year = {2026}
}
备注
8 pages, multiple figures and tables, benchmark study on Indonesian-language Spotify review sentiment classification, compares SVM, Multinomial Naive Bayes, Decision Tree, and BiLSTM, includes class-imbalance discussion and deployment links