L'augmentation rapide de la génération de contenu textuel à partir de sources telles que WhatsApp, Instagram et Amazon produit quotidiennement des quantités massives de données. L'interprétation de ces données peut aider les chefs d'entreprise à comprendre la perception qu'a le public de leurs produits ou services et à prendre des décisions éclairées. En raison du volume important de texte, le traitement du langage naturel (NLP), un aspect crucial de l'analyse des sentiments (SA), est essentiel pour l'interprétation du contenu. Cette recherche se concentre sur le développement d'un modèle de résumé d'avis de consommateurs (CRS) utilisant des techniques NLP et la mémoire à long terme à court terme (LSTM) pour résumer les données et fournir aux entreprises des informations significatives sur le comportement et les préférences des consommateurs. L'efficacité du modèle CRS repose sur le modèle SA et se compose de deux phases : SADL et CRS. La phase SADL comprend le prétraitement des revues, l'extraction des caractéristiques et la classification des sentiments, tandis que la phase CRS effectue un résumé automatique basé sur les résultats SADL.