Hệ Thống Phân Tích Cảm Xúc Khách Hàng Dựa Trên Bình Luận Tiếng Việt - Khóa Luận Tốt Nghiệp

• Tác giả: Đoàn Thục Quyên
• Người hướng dẫn: TS. Nguyễn Thanh Bình
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh - Trường Đại học Công nghệ Thông tin
• Chuyên ngành: Hệ thống thông tin
• Đề tài: Hệ thống phân tích cảm xúc khách hàng từ bình luận tiếng Việt
• Loại tài liệu: Khóa luận tốt nghiệp
• Năm xuất bản: 2022
• Địa điểm: TP. Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: CV NH HE
• 1.1. Mục tiêu của khóa luận. Đối tượng và phạm vi nghiên cứu. Đối tượng nghiên cứu
• 1.2. Phạm vi nghiên cứu
• 2. CHƯƠNG 2
• 2.1. Tổng quan về bài toán phân tích. Phân tích cảm xúc (Sentiment Analysis). Mô hình chủ đề (Topic Modeling). Các hướng tiếp cận
• 2.2. Các hướng tiếp cận hiện tại của bài toán phân tích cảm xúc. Các hướng tiếp cận của bài toán mô hình chủ đề. Thuật toán và các khái niệm nền
• 2.3. Tách từ (Tokenization) cho Tiếng Việt
• 2.4. Lý thuyết kiến trúc Transformer
• 2.5. Lý thuyết mô hình pretrain BERT
• 2.6. Lý thuyết mô hình pretrain PhoBERT
• 2.7. Lý thuyết mô hình LDA. Phát biểu bài toán
• 3. CHƯƠNG 3: THUẬT TOÁN VÀ GIẢI PHÁP ĐỀ XUẤT
• 3.1. Giới thiệu bộ dữ liệu training
• 3.2. Quy trình và thuật toán sử dụng của bài toán phân tích cảm xúc
• 3.3. Tiền xử lí dữ liệu (Preprocessing). Tokenization và Encoding
• 3.4. Sentiment Analysis Model building
• 3.5. Quy trình và thuật toán sử dụng để xây dựng đám mây từ
• 3.6. Quy trình và thuật toán sử dụng của bài toán topic modeling
• 4. CHƯƠNG 4: THIẾT KẾ VÀ TRIỂN KHAI HỆ THỐNG
• 4.1. Tổng quan về thiết kế hệ thống
• 4.2. Triển khai hệ thống
• 4.3. Các hệ thống cần triển khai và công nghệ sử dụng. Cơ sở dữ liệu
• 4.4. Trực quan hóa kết quả phân tích
• 5. CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 5.1. Hạn chế/hướng phát triển
• TÀI LIỆU THAM KHẢO

Tóm tắt

I. Hệ thống phân tích cảm xúc

Hệ thống phân tích cảm xúc là một công cụ quan trọng trong việc hiểu và đánh giá cảm xúc của khách hàng từ các bình luận trực tuyến. Khóa luận này tập trung vào việc xây dựng một hệ thống có khả năng phân tích cảm xúc từ các bình luận tiếng Việt, sử dụng các công nghệ tiên tiến như công nghệ xử lý ngôn ngữ tự nhiên (NLP) và mô hình tiền huấn luyện PhoBERT. Hệ thống này không chỉ giúp doanh nghiệp hiểu rõ hơn về phản hồi của khách hàng mà còn hỗ trợ trong việc đưa ra các quyết định kinh doanh thông minh.

1.1. Phân tích dữ liệu lớn

Với sự phát triển của Big Data, việc phân tích cảm xúc từ một lượng lớn bình luận trở nên khả thi hơn bao giờ hết. Hệ thống này được thiết kế để xử lý và phân tích hàng ngàn bình luận một cách tự động, giúp tiết kiệm thời gian và nâng cao hiệu quả công việc. Phân tích dữ liệu lớn không chỉ giúp tổng hợp ý kiến khách hàng mà còn phát hiện các xu hướng và mẫu hành vi tiêu dùng.

1.2. Ứng dụng AI trong phân tích cảm xúc

Ứng dụng AI trong phân tích cảm xúc đã mang lại những bước tiến đáng kể trong việc hiểu và dự đoán cảm xúc của khách hàng. Khóa luận này sử dụng các mô hình học sâu như BERT và PhoBERT để phân tích cảm xúc một cách chính xác và hiệu quả. Các mô hình này được huấn luyện trên dữ liệu tiếng Việt, đảm bảo khả năng nhận diện và phân tích cảm xúc phù hợp với ngữ cảnh văn hóa và ngôn ngữ địa phương.

II. Cảm xúc khách hàng từ bình luận tiếng Việt

Cảm xúc khách hàng là yếu tố then chốt trong việc đánh giá sự hài lòng và trải nghiệm của người dùng. Khóa luận này tập trung vào việc phân tích cảm xúc từ các bình luận tiếng Việt, một ngôn ngữ có cấu trúc và đặc điểm riêng biệt. Việc phân tích này không chỉ giúp doanh nghiệp hiểu rõ hơn về phản hồi của khách hàng mà còn hỗ trợ trong việc cải thiện sản phẩm và dịch vụ.

2.1. Phân tích ngữ nghĩa

Phân tích ngữ nghĩa là một phần quan trọng trong việc hiểu cảm xúc từ các bình luận tiếng Việt. Khóa luận này sử dụng các kỹ thuật như tách từ (Tokenization) và mã hóa (Encoding) để phân tích ý nghĩa của từng câu và đoạn văn. Quá trình này giúp hệ thống nhận diện được các từ khóa quan trọng và đánh giá cảm xúc một cách chính xác hơn.

2.2. Phân tích ý kiến khách hàng

Phân tích ý kiến khách hàng là một bước không thể thiếu trong việc đánh giá sự hài lòng của người dùng. Hệ thống này sử dụng các thuật toán để phân loại ý kiến thành tích cực, tiêu cực hoặc trung lập. Kết quả phân tích này giúp doanh nghiệp có cái nhìn tổng quan về phản hồi của khách hàng và đưa ra các quyết định cải thiện sản phẩm và dịch vụ.

III. Khóa luận tốt nghiệp và ứng dụng thực tế

Khóa luận tốt nghiệp này không chỉ là một nghiên cứu học thuật mà còn có giá trị ứng dụng thực tế cao. Hệ thống phân tích cảm xúc được đề xuất trong khóa luận có thể được tích hợp vào các nền tảng thương mại điện tử, mạng xã hội và các hệ thống quản lý khách hàng. Việc ứng dụng này giúp doanh nghiệp nâng cao chất lượng dịch vụ và tăng cường sự tương tác với khách hàng.

3.1. Nghiên cứu thị trường

Nghiên cứu thị trường là một trong những ứng dụng quan trọng của hệ thống phân tích cảm xúc. Bằng cách phân tích các bình luận và phản hồi của khách hàng, doanh nghiệp có thể hiểu rõ hơn về nhu cầu và mong muốn của thị trường. Điều này giúp doanh nghiệp đưa ra các chiến lược tiếp thị hiệu quả và cải thiện sản phẩm để đáp ứng tốt hơn nhu cầu của khách hàng.

3.2. Tối ưu hóa SEO

Tối ưu hóa SEO là một lợi ích khác của hệ thống phân tích cảm xúc. Bằng cách phân tích các từ khóa và cụm từ được sử dụng trong bình luận, doanh nghiệp có thể tối ưu hóa nội dung trang web để thu hút nhiều lượt truy cập hơn. Điều này không chỉ giúp tăng khả năng hiển thị của doanh nghiệp trên các công cụ tìm kiếm mà còn cải thiện trải nghiệm người dùng.