基于 DistilBERT 的 Shopee 产品评论情感分析
摘要
数字商业的快速增长导致在线平台上积累了大量消费者评论。Shopee 作为东南亚最大的电商平台之一，每天接收数百万条产品评论，包含关于客户满意度和偏好的宝贵信息。手动分析这些评论效率低下，需采用情感分析等计算方法。本研究 examines 使用 DistilBERT——一种轻量级基于变换器的深度学习模型，对 Shopee 产品评论进行情感分类。数据集约为一百万条已预处理的英文评论，使用 distilbert-base-uncased 模型训练。采用准确率、精确率、召回率和 F1 分数等指标进行评估，并与 BERT 和 SVM 等基准模型比较。结果显示，DistilBERT 的准确率为 94.8%，略低于 BERT（95.3%），但显著高于 SVM（90.2%），计算时间缩短超过 55%。这些发现表明，DistilBERT 在准确率和效率之间提供了最佳平衡，适用于大规模电商平台的情感分析。
引用
@article{arxiv.2511.22313,
title = {Sentiment Analysis Of Shopee Product Reviews Using Distilbert},
author = {Zahri Aksa Dautd and Aviv Yuniar Rahman},
journal= {arXiv preprint arXiv:2511.22313},
year = {2026}
}
备注
The authors have decided to withdraw this manuscript because substantial improvements are needed in the methodology, data analysis, and presentation of the research results to ensure the article's scientific quality meets journal publication standards. Therefore, the authors plan to conduct a thorough revision before resubmitting to an appropriate journal