インドネシアのECレビューに対する感情分析でのLightGBMとBiLSTMのベンチマーク

要旨: 本研究は、自然言語処理（NLP）における2つの主要なアプローチの比較分析を提示する。すなわち、PyCaret AutoMLフレームワークを用いた機械学習（ML）と、深層学習（DL）である。評価は、Hugging Face から取得したインドネシアのECレビューのデータセットを用いた感情分析タスクで実施する。データセットは15,000サンプルで構成され、学習用、検証用、テスト用の各データセットに分割されている。MLの実験では LightGBM、ロジスティック回帰、サポートベクターマシン（SVM）アルゴリズムを比較し、一方でDLの実験では双方向長短期記憶（BiLSTM）アーキテクチャを実装する。実験結果は、BiLSTMモデルがすべてのMLモデルを上回り、精度98.87 extbackslash%およびF1スコア98.87 extbackslash%を達成することを示している。その一方で、LightGBMは非常に効率的な学習時間で精度98.23 extbackslash%を示し、最も良い性能を発揮するMLモデルとして位置づけられる。本研究は、BiLSTMアーキテクチャがインドネシア語のレビュー文の逐次的な文脈を高い精度で捉える能力を持ち、この特定の分類タスクにおいて優れたモデルであることを証明する。