Stremitel'noe uwelichenie kolichestwa textowogo kontenta, generiruemogo takimi istochnikami, kak WhatsApp, Instagram i Amazon, ezhednewno porozhdaet ogromnye ob#emy dannyh. Interpretaciq ätih dannyh mozhet pomoch' wladel'cam biznesa ponqt' obschestwennoe wospriqtie ih produktow ili uslug i prinqt' obosnowannye resheniq. Iz-za bol'shogo ob#ema texta dlq interpretacii kontenta neobhodima obrabotka estestwennogo qzyka (NLP) - wazhnejshij aspekt analiza nastroenij (SA). Dannoe issledowanie poswqscheno razrabotke modeli obobscheniq potrebitel'skih otzywow (CRS) s ispol'zowaniem metodow NLP i dolgowremennoj kratkowremennoj pamqti (LSTM) dlq obobscheniq dannyh i predostawleniq biznesu znachitel'nyh znanij o powedenii i predpochteniqh potrebitelej. Jeffektiwnost' modeli CRS zawisit ot modeli SA i sostoit iz dwuh ätapow: SADL i CRS. Jetap SADL wklüchaet predwaritel'nuü obrabotku obzora, izwlechenie priznakow i klassifikaciü nastroenij, a ätap CRS wypolnqet awtomaticheskoe obobschenie na osnowe rezul'tatow SADL.