大语言模型在情感分析中的性能分析.pdfVIP

第41卷第7期Vol.41,No.7

2025年7月ITREPORTJuly,2025

大语言模型在情感分析中的性能分析

杨小东

（华院计算技术（上海）股份有限公司，上海200040）

摘要：文章探讨了基于BERT的大语言模型在情感分析任务中的性能。并通过详尽的训练与测试，详细分析了模型在情感

分类上的效率。此次研究采用了数据预处理、模型训练以及参数优化等步骤，以确保实验的科学性与结果的准确性。实验结果显

示，该模型在区分正负面评价方面显示出高度的准确性（92.5%）、F1分数（0.925）及AUC值（0.98）。同时，文章还探讨了影响模

型性能的各种因素，包括数据质量、模型参数和训练策略等。研究结果表明，BERT模型能够有效地执行情感分析任务，并展示了

其在复杂语言处理场景中的应用潜力。

关键词：BERT；情感分析；自然语言处理；大语言模型

TP391.1;TP18A

中图分类号：文献标志码：文章编号：1672-4739（2025）07-0011-03

PerformanceAnalysisofLargeLanguageModelsinSentimentAnalysis

YANGXiaodong

（HuayuanComputingTechnology(Shanghai)Co.,Ltd.,Shanghai200040,China）

Abstract：ThisarticleexplorestheperformanceofBERTbasedlargelanguagemodelsinsentimentanalysistasks.And

throughdetailedtrainingandtesting,theefficiencyofthemodelinsentimentclassificationwasanalyzedindetail.Thisstudy

adoptedstepssuchasdatapreprocessing,modeltraining,andparameteroptimizationtoensurethescientificvalidityofthe

experimentandtheaccuracyoftheresults.Theexperimentalresultsshowedthatthemodelexhibitedhighaccuracy(92.5%),F1

score(0.925),andAUCvalue(0.98)indistinguishingpositiveandnegativeevaluations.Atthesametime,thearticlealsoexplores

variousfactorsthataffectmodelperformance,includingdataquality,modelparameters,andtrainingstrategies.Theresearch

resultsindicatethattheBERTmodelcaneffectivelyperformsentimentanalysistasksanddemonstrateitspotentialforapplication

incomplexlanguageprocessingscenarios.

Keywords：BERT;sentimentanalysis;naturallanguageprocessing;largelanguage