Análise de sentimento de comentários sobre hotéis com Deep Learning e BiLSTM

Na era digital, o rápido crescimento das plataformas online transformou significativamente o setor hoteleiro, onde as decisões dos clientes são cada vez mais influenciadas pelas avaliações geradas pelos utilizadores. Estas avaliações fornecem informações valiosas sobre as experiências dos clientes; no entanto, o vasto volume de dados textuais não estruturados torna a análise manual ineficiente e impraticável. Para dar resposta a este desafio, este estudo propõe um sistema automatizado de análise de sentimentos que utiliza técnicas de aprendizagem profunda para classificar as avaliações de hotéis em sentimentos positivos e negativos. A investigação utiliza um conjunto de dados em grande escala, composto por mais de 500 000 avaliações de hotéis, que é submetido a um pré-processamento exaustivo, incluindo limpeza de texto, tokenização, remoção de palavras irrelevantes e equilíbrio de dados, para garantir a fiabilidade do modelo. É realizada uma Análise Exploratória de Dados (EDA) para compreender a distribuição dos dados e extrair padrões significativos. Os dados textuais processados são então transformados em representações numéricas utilizando técnicas de tokenização e preenchimento de sequências. São implementados dois modelos de aprendizagem profunda, a Memória de Curto e Longo Prazo (LSTM) e a Memória de Curto e Longo Prazo Bidirecional (BiLSTM), para captar dependências sequenciais e relações contextuais.