본 논문은 다양한 영역에서 전략적 의사결정을 위해 댓글의 잠재적 의도를 효과적으로 분석하는 것의 중요성을 강조한다. 기존 감정 분석의 어려움으로 언급된 댓글의 어휘 다양성, 긴 의존성, 알 수 없는 기호 및 단어, 불균형 데이터셋 등을 해결하기 위해, RoBERTa와 BiLSTM을 결합한 새로운 하이브리드 딥러닝 모델 RoBERTa-BiLSTM을 제안한다. RoBERTa는 의미 있는 단어 임베딩 벡터를 생성하고, BiLSTM은 장기 의존성 텍스트의 문맥적 의미를 효과적으로 포착한다. IMDb, Twitter US Airline, Sentiment140 데이터셋을 사용한 실험 결과, 제안된 모델은 기존 최첨단 방법(BERT, RoBERTa-base, RoBERTa-GRU, RoBERTa-LSTM 등)을 능가하는 성능을 보였다. 특히, Twitter US Airline, IMDb, Sentiment140 데이터셋에서 각각 80.74%, 92.36%, 82.25%의 정확도와 80.73%, 92.35%, 82.25%의 F1-score를 달성했다.
