Tổng quan nghiên cứu

Trong bối cảnh thương mại điện tử tại Việt Nam phát triển mạnh mẽ, số lượng người tiêu dùng kỹ thuật số dự kiến đạt khoảng 53 triệu vào cuối năm 2021, với tổng doanh số bán lẻ trực tuyến tăng gấp 1,5 lần so với năm trước. Song song với sự phát triển này, các vụ lừa đảo trực tuyến cũng gia tăng, gây ảnh hưởng tiêu cực đến trải nghiệm mua sắm của người dùng. Việc lựa chọn sản phẩm trên các website thương mại điện tử thường dựa vào cảm tính hoặc các đánh giá từ người dùng trước đó. Do đó, xây dựng một công cụ tự động đánh giá sản phẩm dựa trên các phản hồi (comments) của người dùng là rất cần thiết nhằm hỗ trợ khách hàng có quyết định mua hàng chính xác hơn, giảm thiểu rủi ro mua phải hàng giả, hàng kém chất lượng.

Mục tiêu nghiên cứu là phát triển một công cụ tự động đánh giá sản phẩm trên website thương mại điện tử dựa trên các phản hồi của người dùng, áp dụng các kỹ thuật xử lý ngôn ngữ tự nhiên và thuật toán máy học. Phạm vi nghiên cứu tập trung vào dữ liệu phản hồi thu thập từ website thương mại điện tử Lazada trong khoảng thời gian gần đây. Công trình nghiên cứu không chỉ góp phần nâng cao trải nghiệm người dùng mà còn có ý nghĩa thực tiễn trong việc phát triển các hệ thống hỗ trợ mua sắm trực tuyến thông minh, chính xác và hiệu quả.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình chính sau:

  • Khai phá văn bản (Text Mining): Quá trình xử lý và trích xuất thông tin từ dữ liệu văn bản lớn, là một phần của khai phá dữ liệu, giúp phân tích các phản hồi người dùng để nhận diện ý kiến tích cực hoặc tiêu cực.
  • Phân lớp văn bản có giám sát (Supervised Text Classification): Sử dụng tập dữ liệu đã gán nhãn để huấn luyện mô hình phân loại phản hồi thành các nhóm như "tích cực" và "tiêu cực".
  • Mô hình biểu diễn văn bản: Bao gồm các phương pháp như Boolean, Bag-of-Words (BoW), Term Frequency (TF), và TF-IDF để chuyển đổi văn bản thành dạng vector số phục vụ cho việc huấn luyện mô hình.
  • Thuật toán máy học: Sử dụng hai thuật toán chính là Naïve Bayes và Support Vector Machine (SVM) với các biến thể kernel khác nhau để xây dựng mô hình phân loại phản hồi.

Các khái niệm chuyên ngành như từ khóa, từ dừng (stopword), tách từ tiếng Việt theo các kiểu 0-gram, 1-gram, 2-gram cũng được áp dụng để xử lý dữ liệu đầu vào.

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Thu thập 5548 phản hồi từ 1506 sản phẩm thuộc 46 chủ đề khác nhau trên website thương mại điện tử Lazada. Trong đó, 4311 phản hồi của khách hàng được sử dụng để huấn luyện và đánh giá mô hình.
  • Tiền xử lý dữ liệu: Loại bỏ ký tự đặc biệt, emoji, chuyển đổi chữ hoa thành chữ thường, loại bỏ stopwords tiếng Việt, và tách từ theo ba kiểu (từ đơn/từ ghép, 1-gram, 2-gram) bằng các thư viện Python như underthesea và advertools.
  • Gán nhãn dữ liệu: Phản hồi được gán nhãn thủ công thành hai lớp tích cực (3939 phản hồi) và tiêu cực (402 phản hồi). Tập dữ liệu được chia thành 70% để huấn luyện và 30% để kiểm tra.
  • Phương pháp phân tích: Thực nghiệm xây dựng và đánh giá mô hình phân loại sử dụng các thuật toán Naïve Bayes và SVM kết hợp với các mô hình biểu diễn văn bản và kiểu tách từ khác nhau. Đánh giá dựa trên các chỉ số độ chính xác (accuracy) và thời gian xử lý.
  • Timeline nghiên cứu: Thu thập và xử lý dữ liệu trong giai đoạn đầu, xây dựng mô hình và huấn luyện trong giai đoạn giữa, cuối cùng là đánh giá và hoàn thiện công cụ tự động trong giai đoạn cuối của năm 2023.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Hiệu quả mô hình Naïve Bayes và SVM: Mô hình SVM với kernel tuyến tính và TF-IDF biểu diễn văn bản đạt độ chính xác trung bình trên tập kiểm tra khoảng 92%, cao hơn so với Naïve Bayes đạt khoảng 89%. Thời gian huấn luyện của SVM cũng được tối ưu nhờ sử dụng các hàm kernel phù hợp.

  2. Ảnh hưởng của mô hình biểu diễn văn bản: Mô hình TF-IDF cho kết quả phân loại tốt nhất với độ chính xác trung bình đạt 91,5%, trong khi mô hình Boolean chỉ đạt khoảng 85%. Điều này cho thấy việc kết hợp tần suất từ và tần suất nghịch đảo tài liệu giúp mô hình nhận diện đặc trưng văn bản hiệu quả hơn.

  3. Tác động của kiểu tách từ: Kiểu tách từ 1-gram và 2-gram giúp tăng số lượng từ vựng lên đến 20.585 từ, cải thiện khả năng nhận diện ngữ cảnh trong phản hồi, từ đó nâng cao độ chính xác phân loại lên khoảng 3-5% so với tách từ đơn/từ ghép.

  4. Tỷ lệ phản hồi tích cực và tiêu cực: Trong tập dữ liệu, phản hồi tích cực chiếm khoảng 91%, phản hồi tiêu cực chiếm 9%, phản ánh xu hướng người dùng thường để lại đánh giá tích cực hơn. Mô hình phân loại đã xử lý tốt sự mất cân bằng này nhờ kỹ thuật gán nhãn và lựa chọn thuật toán phù hợp.

Thảo luận kết quả

Kết quả cho thấy việc áp dụng các kỹ thuật xử lý ngôn ngữ tự nhiên kết hợp với thuật toán máy học hiện đại như SVM và Naïve Bayes có thể xây dựng được công cụ tự động đánh giá sản phẩm với độ chính xác cao. Sự khác biệt về độ chính xác giữa các mô hình biểu diễn văn bản và kiểu tách từ cho thấy tầm quan trọng của bước tiền xử lý và biểu diễn dữ liệu trong bài toán phân lớp văn bản tiếng Việt.

So sánh với các nghiên cứu trong nước và quốc tế, độ chính xác của mô hình SVM trong nghiên cứu này (khoảng 92%) tương đương hoặc vượt trội hơn so với các kết quả trước đây (khoảng 90-95%). Việc sử dụng dữ liệu thực tế từ Lazada với số lượng phản hồi lớn và đa dạng chủ đề cũng góp phần nâng cao tính ứng dụng thực tiễn của công cụ.

Dữ liệu có thể được trình bày qua các biểu đồ so sánh độ chính xác giữa các mô hình, bảng tổng hợp số lượng từ vựng theo kiểu tách từ, và biểu đồ phân bố phản hồi tích cực - tiêu cực để minh họa rõ ràng hơn các phát hiện.

Đề xuất và khuyến nghị

  1. Triển khai công cụ tự động trên các website thương mại điện tử: Khuyến nghị các sàn thương mại điện tử như Lazada, Shopee áp dụng công cụ đánh giá sản phẩm tự động để hỗ trợ người dùng trong việc lựa chọn sản phẩm, nâng cao trải nghiệm mua sắm. Thời gian triển khai dự kiến trong vòng 6-12 tháng.

  2. Cập nhật và mở rộng dữ liệu huấn luyện: Đề xuất thu thập thêm phản hồi từ nhiều nguồn khác nhau, đa dạng chủ đề và ngôn ngữ để cải thiện độ chính xác và khả năng tổng quát của mô hình. Chủ thể thực hiện là các nhóm nghiên cứu và doanh nghiệp công nghệ.

  3. Tối ưu hóa thuật toán và mô hình biểu diễn: Khuyến khích nghiên cứu thêm các thuật toán học sâu (Deep Learning) và mô hình biểu diễn ngôn ngữ tiên tiến như Word2Vec, BERT để nâng cao hiệu quả phân loại, đặc biệt với các phản hồi phức tạp, đa nghĩa. Thời gian nghiên cứu và thử nghiệm khoảng 12-18 tháng.

  4. Phát triển giao diện người dùng thân thiện: Xây dựng giao diện trực quan cho công cụ, cho phép người dùng dễ dàng tra cứu đánh giá sản phẩm theo thời gian thực, đồng thời cung cấp báo cáo chi tiết cho nhà quản lý website. Chủ thể thực hiện là các nhóm phát triển phần mềm trong vòng 6 tháng.

Đối tượng nên tham khảo luận văn

  1. Nhà nghiên cứu và sinh viên ngành Công nghệ Thông tin: Có thể ứng dụng các phương pháp xử lý ngôn ngữ tự nhiên và thuật toán máy học trong các đề tài liên quan đến phân tích dữ liệu văn bản và khai phá dữ liệu.

  2. Doanh nghiệp thương mại điện tử: Sử dụng công cụ tự động đánh giá sản phẩm để nâng cao chất lượng dịch vụ, tăng độ tin cậy và sự hài lòng của khách hàng.

  3. Chuyên gia phát triển phần mềm và AI: Tham khảo các kỹ thuật tiền xử lý dữ liệu tiếng Việt, mô hình biểu diễn văn bản và thuật toán phân lớp để phát triển các ứng dụng tương tự trong lĩnh vực xử lý ngôn ngữ tự nhiên.

  4. Cơ quan quản lý và bảo vệ người tiêu dùng: Áp dụng kết quả nghiên cứu để giám sát và phát hiện các sản phẩm kém chất lượng hoặc gian lận trên các nền tảng thương mại điện tử, từ đó có biện pháp xử lý kịp thời.

Câu hỏi thường gặp

  1. Công cụ tự động đánh giá sản phẩm hoạt động như thế nào?
    Công cụ sử dụng các phản hồi của người dùng trên website thương mại điện tử, xử lý ngôn ngữ tự nhiên để chuyển đổi văn bản thành dữ liệu số, sau đó áp dụng thuật toán máy học như SVM hoặc Naïve Bayes để phân loại phản hồi thành tích cực hoặc tiêu cực, từ đó đưa ra đánh giá tổng thể về sản phẩm.

  2. Tại sao lại chọn Naïve Bayes và SVM làm thuật toán chính?
    Hai thuật toán này được lựa chọn vì có hiệu quả cao trong bài toán phân lớp văn bản, dễ triển khai và có khả năng xử lý tốt dữ liệu tiếng Việt sau khi tiền xử lý. SVM đặc biệt mạnh trong việc phân tách dữ liệu phức tạp với độ chính xác cao.

  3. Làm thế nào để xử lý đặc thù của ngôn ngữ tiếng Việt trong phân tích văn bản?
    Tiếng Việt có đặc điểm từ ghép và tách từ phức tạp, do đó sử dụng các kỹ thuật tách từ chuyên biệt như underthesea, kết hợp loại bỏ stopwords và chuẩn hóa văn bản giúp mô hình nhận diện chính xác hơn các đặc trưng ngôn ngữ.

  4. Công cụ có thể áp dụng cho các website thương mại điện tử khác không?
    Có thể, với điều kiện dữ liệu phản hồi được thu thập và tiền xử lý phù hợp. Các thuật toán và mô hình biểu diễn văn bản có tính tổng quát cao, dễ dàng điều chỉnh để phù hợp với các nền tảng khác nhau.

  5. Độ chính xác của công cụ có thể đạt được bao nhiêu?
    Theo kết quả thực nghiệm, mô hình SVM kết hợp TF-IDF và tách từ 1-gram đạt độ chính xác trung bình khoảng 92% trên tập kiểm tra, đủ để hỗ trợ người dùng trong việc đánh giá sản phẩm một cách hiệu quả.

Kết luận

  • Luận văn đã xây dựng thành công công cụ tự động đánh giá sản phẩm trên website thương mại điện tử dựa trên phản hồi người dùng với độ chính xác cao, đạt khoảng 92% khi sử dụng SVM và TF-IDF.
  • Phương pháp tiền xử lý dữ liệu tiếng Việt kết hợp tách từ đa dạng (0-gram, 1-gram, 2-gram) giúp nâng cao hiệu quả biểu diễn văn bản và phân loại.
  • Kết quả thực nghiệm cho thấy mô hình SVM vượt trội hơn Naïve Bayes về độ chính xác và khả năng xử lý dữ liệu phức tạp.
  • Công cụ có tiềm năng ứng dụng rộng rãi trong các nền tảng thương mại điện tử nhằm nâng cao trải nghiệm người dùng và giảm thiểu rủi ro mua hàng.
  • Đề xuất các bước tiếp theo bao gồm mở rộng dữ liệu, áp dụng các thuật toán học sâu và phát triển giao diện người dùng thân thiện để hoàn thiện công cụ.

Các nhà phát triển và doanh nghiệp thương mại điện tử nên phối hợp triển khai thử nghiệm công cụ trong môi trường thực tế, đồng thời tiếp tục nghiên cứu nâng cao hiệu quả và mở rộng phạm vi ứng dụng.