MỞ ĐẦU Với sự phát triển mạnh mẽ của mạng Internet cộng với sự bùng nổ thông tin trên toàn cầu, mạng xã hội đã đƣợc sử dụng rộng rãi và dần trở thành một phần không thể thiếu trong cuộc sống con ngƣời đặc biệt là giới trẻ - những ngƣời luôn quan tâm và cập nhật tin tức thƣờng xuyên. Những tin tức, bình luận, đánh giá về nhiều lĩnh vực đƣợc chia sẻ nhanh chóng từ lúc sự việc đang diễn ra và ngay lập tức đƣợc lan truyền đến mọi nơi. Phân loại tâm lý, cảm xúc và khai thác ý kiến, đánh giá sản phẩm sẽ hỗ trợ cho việc nghiên cứu, phân tích cảm xúc, đánh giá thái độ của ngƣời dùng đối với những sản phẩm, chủ đề đƣợc chia sẻ. Đây là một trong những lĩnh vực đƣợc nghiên cứu rộng rãi trong khai thác dữ liệu Big Data, đồng thời có ý nghĩa quan trọng trong ngành khoa học xử lý ngôn ngữ tự nhiên.
Trong thực tế, mức độ ảnh hƣởng của nó ngày càng đƣợc coi trọng và tỷ lệ thuận với sự bùng nổ thông tin trên mạng Internet. Chẳng hạn nhƣ khi muốn mua một sản phẩm nào đó, chúng ta muốn biết nó tốt hay không? Những lời quảng cáo hoa mỹ của nhà sản xuất chƣa đủ thuyết phục, chúng ta muốn nghe những lời đánh giá chân thực từ những ngƣời đã sử dụng hoặc có hiểu biết về sản phẩm đó. Hay đối với các tổ chức, những con số khô khan về doanh thu sản phẩm không đủ để họ hài lòng. Họ muốn biết những đánh giá của khách hàng và ngƣời dùng về sản phẩm của họ.
Những khía cạnh tốt sẽ đƣợc duy trì, phát huy và những mặt xấu, không tốt sẽ đƣợc họ cải thiện để dần hoàn thiện chất lƣợng sản phẩm về mọi mặt. Từ lý do này, tôi lựa chọn đề tài: “Xây dựng mô hình phân tích cảm xúc ngƣời dùng đánh giá sản phẩm bằng phƣơng pháp phân tích từ vựng kết hợp với máy học” nhằm phát triển một phƣơng pháp nghiên cứu phân tích cảm xúc trên ngôn ngữ tiếng Việt dựa trên đặc trƣng nguồn dữ liệu từ bình 2 luận, đánh giá sản phẩm của ngƣời dùng ở Việt Nam. Và xây dựng một chƣơng trình thử nghiệm nhằm đánh giá độ đúng đắn của phƣơng pháp ên trên, đồng thời có thể tự động đánh giá những cảm xúc của ngƣời dùng đối với những sản phẩm đƣợc chia sẻ. Đối tu ợng nghiên cứu của tôi là những ình luận tiếng Việt của ngu ời dùng đánh giá sản phẩm.
Phạm vi của đề tài là xây dựng mô hình phân tích cảm xúc dựa vào bình luận, đánh giá sản phẩm đu ợc thu thạ p từ ngƣời dùng. Quá trình thực hiẹ n đề tài còn nhiều hạn chế và thiếu sót. Tôi mong nhạ n đu ợc sự đóng góp kiến chân thành từ Thầy, Cô và các ạn. Tôi xin cảm ơn.TỔNG QUAN VỀ ĐỀ TÀI 1.
TỔNG QUAN ĐỀ TÀI 1. Phát biểu bài toán Kể từ năm 2000, cùng với sự lớn mạnh của truyền thông xã hội trên mạng Internet nhƣ diễn đàn, blog và đặc biệt là mạng xã hội (Facebook, Google plus, Twitter, Instagram,…), phân tích cảm xúc (Sentiment Analysis) đã phát triển nhanh chóng và trở thành lĩnh vực nghiên cứu sôi động nhất trong chuyên ngành xử lý ngôn ngữ tự nhiên. Mạng xã hội ngày càng có tầm ảnh hƣởng không chỉ với doanh nghiệp mà còn với toàn xã hội. Ý kiến là trung tâm của hầu hết các hoạt động và có ảnh hƣởng lớn đến hành vi của con ngƣời.
Thông thƣờng khi cần phải đƣa ra quyết định, chúng ta thƣờng tham khảo ý kiến của ngƣời khác. Đối với cá nhân, họ thƣờng tham khảo ngƣời thân, bạn bè hay mọi ngƣời xung quanh. Mặc khác đối với các tổ chức, họ tham khảo ý kiến của các hội đồng, của nhân viên, khách hàng,… Chẳng hạn, có một cô gái trẻ đang đọc các tin tức trên bảng tin của một mạng xã hội nào đó. Bất chợt cô ấy thấy một chiếc điện thoại mới đƣợc giới thiệu kèm theo nhiều tính năng hiện đại với mức giá cực kỳ hấp dẫn.
Nhƣng ngay lập tức, cô ấy liền đặt câu hỏi: “Chiếc điện thoại này có tốt nhƣ những gì nhà sản xuất quảng cáo không?”. Cô ấy phải vất vả đọc thủ công từng bình luận chia sẻ của ngƣời dùng. Sau đó tổng hợp lại và đƣa ra đánh giá cuối cùng. Công việc vô cùng đơn giản với năm hay mƣời bình luận.
Nhƣng nếu số lƣợng bình luận lên đến năm mƣơi, một trăm hay vài trăm thì công việc này trở nên phức tạp hơn nhiều. Liệu rằng cô gái trẻ có nhớ và tổng hợp hết những bình luận đó một cách chính xác trong thời gian ngắn hay không? Một ví dụ khác: Mỗi năm một công ty kinh doanh hàng hóa bỏ ra một lƣợng lớn thời gian, công sức và tiền bạc để khảo sát xu hƣớng thị trƣờng hay 4 nói cách khác là họ tìm hiểu xem thị hiếu của ngƣời dùng hiện tại là gì? Việc khai thác các hoạt động của ngƣời dùng trên mạng xã hội hay cụ thể hơn là các bình luận, đánh giá của họ sẽ giúp cho công ty thực hiện việc khảo sát một cách dễ dàng cũng nhƣ tiết kiệm đƣợc nhiều chi phí. Mục tiêu của đề tài Mục tiêu của đề tài là phát hiện những cảm xúc của ngƣời dùng thông qua việc phân tích những bình luận, đánh giá của họ đối với thông tin đƣợc đăng tải hay chia sẻ về các dịch vụ, sản phẩm tại Trung tâm Khám phá khoa học. Để thực hiện đƣợc mục tiêu này, tôi đã chia thành mục tiêu thành 3 mục tiêu thành phần.
Đó là: - Lấy dữ liệu các bình luận đánh giá sản phẩm của ngƣời dùng - Xây dựng bộ từ điển cảm xúc. - Phân tích, đánh giá cảm xúc của ngƣời dùng về sản phẩm. a) Thu thập thông tin, dữ liệu từ các bình luận, đánh giá về sản phẩm của người dùng Chúng ta có thể nhận thấy khối lƣợng dữ liệu trên các trang mạng xã hội là vô cùng lớn. Tuy nhiên, không phải tất cả thông tin đó đều có ích và theo dạng chuẩn của ngôn ngữ tiếng Việt.
Do đó, bài toán đặt ra ba vấn đề cần giải quyết, đó là: - Lấy dữ liệu lớn từ các bình luận, đánh giá của ngƣời dùng. - Chuẩn hóa dữ liệu cho phù hợp với phƣơng pháp. - Phân tích cảm xúc dựa vào nguồn dữ liệu đƣợc chuẩn hóa trên. b) Xây dựng bộ từ điển cảm xúc Hiện nay, có hai phƣơng pháp tiếp cận chính để giải quyết vấn đề trích xuất cảm xúc tự động.
Cách đầu tiên dựa vào các từ vựng thông qua việc tính toán giá trị ngữ nghĩa (semantic orientation) của các từ hay cụm từ trong tài liệu. Cách tiếp cận thứ hai sử dụng một phƣơng pháp thống kê hoặc máy học 5 để giải quyết vấn đề. [5] Sau nhiều thời gian nghiên cứu, tôi quyết định sử dụng phƣơng pháp dựa vào từ vựng thông qua việc tính toán giá trị ngữ nghĩa của các từ hay cụm từ trong tài liệu. Bƣớc đầu tiên để tính toán đƣợc các giá trị ngữ nghĩa cần dựa trên một tập hợp các từ và giá trị ngữ nghĩa của chúng hay còn gọi là từ điển cảm xúc.
Theo khảo sát cá nhân, hiện tại chƣa có một bộ từ điển cảm xúc cho tiếng Việt nào đƣợc công bố chính thức. Việc xây dựng một bộ từ điển cần đầu tƣ nhiều thời gian, kinh phí và nhất là cần có sự hợp tác của những chuyên gia về ngôn ngữ học. Vì vậy, tôi đã sử dụng bộ từ điển cảm xúc tiếng Anh có tên từ điển SO-CAL [19] (Dictionaries for the Semantic Orientation CALculator) của nhóm tác giả Maite Taboada [4] và dịch bộ từ điển này sang tiếng Việt. Từ điển cảm xúc SO-CAL có khoảng 6600 từ chia thành năm từ điển nhỏ gồm có: từ điển danh từ, từ điển động từ, từ điển tính từ, từ điển động từ và từ điển từ tăng cƣờng (intensifier).
Mỗi từ điển bao gồm một danh sách các từ cảm xúc và các giá trị SO kèm theo. c) Phân tích, đánh giá cảm xúc Sau khi xây dựng xong từ điển cảm xúc, mục tiêu cuối cùng sẽ là phân tích đánh giá cảm xúc dựa vào những bình luận đƣợc thu thập trên mạng xã hội. Để phân tích cảm xúc có hai vấn đề cần giải quyết là phân loại câu có cảm xúc hay không có cảm xúc và phân loại câu có cảm xúc tích cực hay tiêu cực. Theo Bing Luu [5], phân tích cảm xúc hiện đƣợc tập trung nghiên cứu chủ yếu ở 3 mức độ: - Phân tích cảm xúc mức văn bản (document level): Mục tiêu ở mức độ này là phân loại xem quan điểm tổng thể của văn bản diễn tả một cảm xúc tiêu cực hay tích cực.
Phân tích cảm xúc mức văn bản giả định rằng mỗi văn bản thể hiện quan điểm về một thực thể duy nhất. 6 Có nhiều phƣơng pháp đã và đang đƣợc nghiên cứu ở mức này nhƣ phƣơng pháp học máy có giám sát, phƣơng pháp học máy không giám sát (Support Vector Machine, Maximum Entropy, K-Nearest Neighbors, Naïve Bayes, Centroid Classification), v. - Phân tích cảm xúc mức câu (sentence level): Ở mức độ này sẽ tập trung vào các câu và xác định xem chúng bày tỏ một quan điểm tích cực, tiêu cực hay trung tính. Theo Wiebe, Bruce và O'Hara [6], khi phân loại chủ quan một câu đƣợc chia làm hai loại là câu chủ quan (câu có cảm xúc) và câu khách quan (câu không có cảm xúc).
Câu khách quan thể hiện một số thông tin thực tế còn câu chủ quan thƣờng mang đến góc nhìn hay ý kiến cá nhân. Trong thực tế, câu chủ quan có thể diễn ta nhiều loại thông tin nhƣ kiến, đánh giá, cảm xúc, niềm tin, suy đoán, phán đoán, cáo buộc,… Để đánh giá trạng thái cảm xúc của câu chủ quan, ngƣời ta chia nó thành hai loại là câu có cảm xúc tích cực (nhƣ vui, thích, yêu, hƣng phấn, tự tin) và câu có cảm xúc tiêu cực (nhƣ chán, ghét, hận, tức giận, sợ hãi). - Phân tích cảm xúc mức thực thể và khía cạnh của thực thể (Entity and Aspect level): Cả hai mức độ văn bản và câu đều không phát hiện đƣợc chính xác những quan điểm của ngƣời viết. Mức thực thể và khía cạnh của thực thể thực hiện phân tích sâu và chi tiết hơn.
Thay vì nhìn vào cấu trúc ngôn ngữ (nhƣ văn bản, đoạn văn, câu văn, mệnh đề hay cụm từ), mức này tập trung trực tiếp vào ý kiến, quan điểm của ngƣời viết. Nó dựa trên tƣởng rằng một ý kiến, quan điểm bao gồm một cảm xúc (tích cực hoặc tiêu cực) và một mục tiêu cụ thể. Mục tiêu này giúp chúng ta phân tích cảm xúc tốt hơn.