基于多任务BiLSTM与AutoML基准测试的印尼电商评论情感与情绪分类
计算与语言
2026-04-28 v1
摘要
印尼电商评论将标准词汇与俚语、地区借词、数字缩写和表情符号混合在一起，使基于词典的情感工具在实际应用中不可靠。本文描述了应用于PRDECT-ID数据集的双轨分类管道，该数据集包含来自29个印尼电商类别的5,400条产品评论，每条评论均标注了二元情感(积极/消极)和五类情绪(快乐、悲伤、恐惧、爱、愤怒)。第一轨道应用TF-IDF向量化与PyCaret AutoML穿越标准分类器。第二轨道是一种具有共享编码器和两个任务特定输出头的PyTorch双向长短期记忆(BiLSTM)网络。预处理模块应用14个顺序清洗步骤，包括从电商语料库中组装的140个俚语词典。对四种配置进行基准测试：BiLSTM基线、BiLSTM改进版、BiLSTM大型和TextCNN。训练使用加权交叉熵损失、ReduceLROnPlateau调度和早期停止。两个轨道均部署为Gradio应用程序于Hugging Face Spaces上。源代码可在https://github.com/ikii-sd/pba2026-crazyrichteam上公开获取。
引用
@article{arxiv.2604.24720,
title = {Sentiment and Emotion Classification of Indonesian E-Commerce Reviews via Multi-Task BiLSTM and AutoML Benchmarking},
author = {Hermawan Manurung and Ibrahim Al-Kahfi and Ahmad Rizqi and Martin Clinton Tosima Manullang},
journal= {arXiv preprint arXiv:2604.24720},
year = {2026}
}
备注
8 pages, 5 figures, 4 tables. Final project for Natural Language Processing course (PBA 2026) at Institut Teknologi Sumatera