本研究提出了一种混合自然语言处理方法，解决了辛哈拉语和英语混合文本中的误分类问题，提高了银行内容的关键词提取和方面分类准确性，为品牌声誉监测提供了高效解决方案。

本文评估了大型语言模型（LLMs）在低资源语言（如辛哈拉语、孟加拉语和非洲语言）上的表现。研究发现，Claude 和 GPT-4 在辛哈拉语中表现良好，而Llama和Mistral则较差。孟加拉语的LLMs在生成任务中面临挑战，需开发更高效的模型。总体而言，LLMs在非洲语言上的表现普遍低于高资源语言，呼吁加强对这些语言的研究和支持。