0014 xây dựng mô hình phân tích cảm xúc người dùng đánh giá sản phẩm bằng phương pháp phân tích từ vựng kết hợp với học máy luận văn tốt nghiệp

Nghiên cứu mô hình phân tích cảm xúc người dùng đánh giá sản phẩm qua phương pháp phân tích từ vựng và học máy trong luận văn tốt nghiệp.

• Tác giả: Võ Lê Minh
• Người hướng dẫn: TS. Hồ Văn Lâm
• Trường học: Trường Đại Học Quy Nhơn
• Chuyên ngành: Khoa Học Máy Tính
• Đề tài: Mô Hình Phân Tích Cảm Xúc Đánh Giá Sản Phẩm Bằng Phân Tích Từ Vựng Và Học Máy
• Loại tài liệu: Luận Văn
• Năm xuất bản: 2021
• Địa điểm: Bình Định

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. MỞ ĐẦU
• 1.1. Tổng quan đề tài
• 1.2. Phát biểu bài toán
• 1.3. Mục tiêu của đề tài
• 1.4. Mô hình tổng quan
• 1.5. Tổng quan tình hình nghiên cứu trong nước và trên thế giới
• 1.6. Bố cục luận văn
• 2. XÂY DỰNG HỆ THỐNG THỬ NGHIỆM
• 2.1. Bộ từ điển cảm xúc SO-CAL tiếng Việt
• 2.2. Thu thập dữ liệu
• 2.3. Tiền xử lý dữ liệu và rút trích đặc trưng
• 2.4. Bộ dữ liệu huấn luyện
• 2.5. Gán nhãn câu bằng tay
• 2.6. Mô tả bộ dữ liệu huấn luyện
• 2.7. Phương pháp phân loại chủ quan
• 2.8. Phương pháp phân loại cảm xúc
• 2.9. Giao diện hệ thống thực nghiệm
• 3. KẾT QUẢ THỬ NGHIỆM
• 3.1. Bộ dữ liệu thử nghiệm
• 3.2. Kết quả đánh giá phương pháp phân loại chủ quan
• 3.3. Kết quả đánh giá phương pháp phân loại cảm xúc
• 3.4. Kết quả phân tích bình luận của khách tham quan tại trung tâm khám phá khoa học
• 4. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• 4.1. Kết quả đạt được
• 4.2. Hướng phát triển
• DANH MỤC TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng quan về mô hình phân tích cảm xúc đánh giá sản phẩm

Mô hình phân tích cảm xúc đánh giá sản phẩm là một lĩnh vực nghiên cứu quan trọng trong khoa học máy tính và xử lý ngôn ngữ tự nhiên. Mục tiêu chính của mô hình này là xác định cảm xúc của người dùng thông qua việc phân tích các bình luận và đánh giá sản phẩm. Việc áp dụng các phương pháp phân tích từ vựng và học máy giúp cải thiện độ chính xác trong việc phân loại cảm xúc, từ đó hỗ trợ doanh nghiệp trong việc hiểu rõ hơn về ý kiến của khách hàng.

1.1. Khái niệm về phân tích cảm xúc trong đánh giá sản phẩm

Phân tích cảm xúc là quá trình xác định và phân loại cảm xúc từ các văn bản. Trong bối cảnh đánh giá sản phẩm, nó giúp nhận diện cảm xúc tích cực, tiêu cực hoặc trung tính từ các bình luận của người dùng.

1.2. Tầm quan trọng của phân tích cảm xúc trong marketing

Phân tích cảm xúc đóng vai trò quan trọng trong marketing, giúp doanh nghiệp nắm bắt được phản hồi của khách hàng và điều chỉnh chiến lược sản phẩm phù hợp với nhu cầu thị trường.

II. Vấn đề và thách thức trong phân tích cảm xúc

Mặc dù mô hình phân tích cảm xúc đã đạt được nhiều thành tựu, nhưng vẫn tồn tại nhiều thách thức. Một trong những vấn đề lớn nhất là sự đa dạng trong ngôn ngữ và cách diễn đạt cảm xúc của người dùng. Các yếu tố như từ ngữ phủ định, từ tăng cường và ngữ cảnh có thể làm phức tạp quá trình phân tích.

2.1. Độ chính xác trong phân loại cảm xúc

Độ chính xác của mô hình phân tích cảm xúc phụ thuộc vào khả năng nhận diện các từ khóa cảm xúc và ngữ cảnh. Việc thiếu hụt từ điển cảm xúc cho tiếng Việt cũng là một thách thức lớn.

2.2. Khó khăn trong việc xử lý ngôn ngữ tự nhiên

Xử lý ngôn ngữ tự nhiên đòi hỏi các thuật toán phức tạp để hiểu và phân tích các cấu trúc ngữ pháp, điều này gây khó khăn trong việc phát triển mô hình hiệu quả.

III. Phương pháp phân tích cảm xúc bằng học máy

Phương pháp học máy đã được áp dụng rộng rãi trong phân tích cảm xúc. Các thuật toán như Support Vector Machine (SVM) và Naïve Bayes đã cho thấy hiệu quả cao trong việc phân loại cảm xúc từ các bình luận. Việc kết hợp giữa phân tích từ vựng và học máy giúp cải thiện độ chính xác và khả năng tổng quát của mô hình.

3.1. Sử dụng từ điển cảm xúc trong phân tích

Việc xây dựng và sử dụng từ điển cảm xúc là rất quan trọng. Từ điển SO-CAL là một ví dụ điển hình, cung cấp các từ và giá trị cảm xúc tương ứng để hỗ trợ quá trình phân tích.

3.2. Ứng dụng thuật toán học máy trong phân loại cảm xúc

Các thuật toán học máy như SVM và Naïve Bayes đã được chứng minh là hiệu quả trong việc phân loại cảm xúc từ các bình luận, giúp tăng cường độ chính xác của mô hình.

IV. Ứng dụng thực tiễn của mô hình phân tích cảm xúc

Mô hình phân tích cảm xúc có nhiều ứng dụng thực tiễn trong các lĩnh vực như marketing, chăm sóc khách hàng và nghiên cứu thị trường. Doanh nghiệp có thể sử dụng mô hình này để thu thập và phân tích ý kiến của khách hàng, từ đó cải thiện sản phẩm và dịch vụ.

4.1. Phân tích cảm xúc trong marketing

Doanh nghiệp có thể sử dụng phân tích cảm xúc để hiểu rõ hơn về phản hồi của khách hàng đối với sản phẩm, từ đó điều chỉnh chiến lược marketing hiệu quả hơn.

4.2. Ứng dụng trong nghiên cứu thị trường

Mô hình phân tích cảm xúc giúp các nhà nghiên cứu thu thập dữ liệu từ các bình luận trên mạng xã hội, từ đó đưa ra những phân tích sâu sắc về xu hướng tiêu dùng.

V. Kết luận và hướng phát triển tương lai

Mô hình phân tích cảm xúc đánh giá sản phẩm bằng phân tích từ vựng và học máy đã cho thấy tiềm năng lớn trong việc hỗ trợ doanh nghiệp. Tuy nhiên, cần tiếp tục nghiên cứu và phát triển để cải thiện độ chính xác và khả năng ứng dụng của mô hình trong thực tiễn.

5.1. Kết quả đạt được từ nghiên cứu

Nghiên cứu đã chỉ ra rằng việc áp dụng mô hình phân tích cảm xúc có thể giúp doanh nghiệp nắm bắt được ý kiến của khách hàng một cách hiệu quả.

5.2. Hướng phát triển trong tương lai

Cần tiếp tục phát triển các thuật toán và từ điển cảm xúc cho tiếng Việt, đồng thời mở rộng ứng dụng của mô hình trong các lĩnh vực khác nhau.

Nội dung chính

Tổng quan nghiên cứu

Sự bùng nổ của mạng xã hội và các nền tảng số tại Việt Nam với hơn 70 triệu người dùng đang tạo ra hàng triệu bình luận, đánh giá mỗi ngày. Nguồn dữ liệu lớn này phản ánh trực tiếp thái độ, trải nghiệm và quyết định mua sắm của người tiêu dùng. Tuy nhiên, việc tổng hợp và phân loại ý kiến khách hàng bằng phương pháp thủ công làm tiêu tốn khoảng 80% thời gian và nguồn nhân lực của doanh nghiệp, đồng thời dễ dẫn đến sai sót do tính chủ quan. Vấn đề nghiên cứu trọng tâm là xây dựng một hệ thống phân tích cảm xúc tự động dành riêng cho văn bản tiếng Việt, vốn có ngữ pháp phức tạp và độ phong phú cao về mặt ngữ nghĩa.

Mục tiêu cụ thể của luận văn thạc sĩ là xây dựng và hoàn thiện mô hình phân tích cảm xúc người dùng ở cấp độ câu dựa trên phương pháp từ điển kết hợp thuật toán học máy Support Vector Machines (SVM). Đề tài tập trung giải quyết ba mục tiêu thành phần: thu thập và chuẩn hóa dữ liệu bình luận tiếng Việt, xây dựng bộ từ điển cảm xúc SO-CAL tiếng Việt, và thiết kế quy trình phân loại hai giai đoạn gồm phân loại chủ quan và phân loại cảm xúc.

Phạm vi nghiên cứu được thực hiện trên nguồn dữ liệu mạng xã hội Facebook trong giai đoạn năm 2021, tập trung vào các trang thông tin lớn và dữ liệu thực tế tại Trung tâm Khám phá khoa học Quy Nhơn. Kết quả nghiên cứu mang lại ý nghĩa thực tiễn to lớn khi giúp tự động hóa 100% quy trình trích xuất ý kiến khách hàng, cải thiện tốc độ xử lý dữ liệu lớn lên hơn 90% so với phương pháp thủ công và cung cấp cơ sở định lượng vững chắc cho các quyết định quản trị thương hiệu.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng lý thuyết phân tích cảm xúc (Sentiment Analysis) và khai phá quan điểm (Opinion Mining) theo khung tiếp cận của Bing Liu. Hệ thống tập trung xử lý ở ba cấp độ: cấp độ văn bản, cấp độ câu và cấp độ khía cạnh, trong đó cấp độ câu được chọn làm trọng tâm nghiên cứu. Về mặt ngôn ngữ học tính toán, đề tài áp dụng lý thuyết định hướng ngữ nghĩa (Semantic Orientation - SO) thông qua mô hình SO-CAL của nhóm tác giả Maite Taboada kết hợp với lý thuyết biến đổi hóa trị ngữ cảnh (Enhanced Contextual Valence Shifters).

Các khái niệm chính được định nghĩa chặt chẽ trong mô hình bao gồm:

• Phân loại chủ quan: Quá trình xác định câu văn mang tính khách quan hay thể hiện góc nhìn, cảm xúc cá nhân.
• Từ hàm chứa cảm xúc: Các đơn vị từ vựng mang trọng số cảm xúc phân cực từ -5 đến +5.
• Từ tăng cường và từ suy giảm: Các phó từ chỉ mức độ làm thay đổi cường độ cảm xúc của từ đi kèm.
• Từ phủ định và động từ khiếm khuyết: Các thành phần ngữ pháp làm đảo ngược hoặc làm giảm hóa trị cảm xúc.
• Nguyên lý cực tiểu hóa rủi ro cấu trúc (Structural Risk Minimization): Nền tảng toán học của thuật toán SVM giúp tối ưu hóa khoảng cách lề giữa các siêu phẳng phân lớp.

Phương pháp nghiên cứu

Nghiên cứu sử dụng nguồn dữ liệu thu thập trực tiếp từ mạng xã hội Facebook thông qua công cụ Facebook Graph API phiên bản v2.2. Dữ liệu bao gồm hàng nghìn câu bình luận tiếng Việt từ các trang thông tin uy tín như VnExpress, CGV Cinemas Vietnam, Mann up và phản hồi thực tế của khách tham quan tại Trung tâm Khám phá khoa học. Phương pháp chọn mẫu là chọn mẫu ngẫu nhiên phân tầng theo từng chủ đề bài viết nhằm đảm bảo tính đại diện và đa dạng của ngôn ngữ đời sống. Cỡ mẫu thử nghiệm được gán nhãn thủ công cẩn thận để làm tập huấn luyện và kiểm thử chuẩn.

Lý do lựa chọn phương pháp phân tích kết hợp giữa từ vựng và SVM là nhằm tận dụng tối đa tính diễn giải ngữ nghĩa của từ điển SO-CAL và năng lực phân lớp phi tuyến tính mạnh mẽ của SVM trong không gian nhiều chiều. Quy trình phân tích gồm bốn bước chặt chẽ:

• Tiền xử lý dữ liệu: Chuẩn hóa toàn bộ mã nguồn ký tự từ UNICODETH về chuẩn Unicode UTF-8, loại bỏ biểu tượng cảm xúc (emoji), lọc danh từ riêng và tách câu.
• Gán nhãn từ loại: Ứng dụng thư viện vnTokenizer với độ chính xác từ 96% đến 98% để tách từ và công cụ vnTagger với độ chính xác khoảng 96% để gán nhãn từ loại tiếng Việt.
• Xây dựng từ điển SO-CAL tiếng Việt: Chuyển ngữ và hiệu chỉnh bộ từ điển gốc tiếng Anh với hơn 6.600 từ sang tiếng Việt, kết hợp đối chiếu qua từ điển Viettien v4.0b (chứa hơn 390.000 từ) và công cụ Google Translate.
• Phân lớp bằng SVM: Triển khai chiến lược Một đối Một (One-Against-One) với việc giải quyết các bài toán phân lớp nhị phân để phân loại câu thành ba nhóm: không có cảm xúc, cảm xúc tích cực và cảm xúc tiêu cực. Toàn bộ quá trình nghiên cứu và thực nghiệm được tiến hành liên tục trong thời gian 12 tháng và hoàn thiện vào tháng 11 năm 2021.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

Quá trình thực nghiệm đã ghi nhận bốn phát hiện cốt lõi mang tính đột phá trong xử lý cảm xúc tiếng Việt:

• Xây dựng thành công bộ từ điển cảm xúc SO-CAL tiếng Việt quy mô 5.940 từ vựng chuyên biệt, bao gồm 1.544 danh từ, 1.105 động từ, 2.357 tính từ, 749 trạng từ và 185 từ tăng cường. Mỗi từ được gán giá trị cảm xúc chính xác từ -5 đến +5.
• Tác động rõ rệt của các yếu tố biến đổi ngữ cảnh: Khi tích hợp cơ chế đảo cực cho từ phủ định và giảm 50% trọng số cảm xúc đối với câu chứa động từ khiếm khuyết (như "nên", "phải", "có thể"), độ chính xác của mô hình tăng hơn 18% so với việc chỉ so khớp từ vựng đơn thuần.
• Khắc phục thành công xu hướng thiên vị tích cực: Việc chủ động tăng 50% giá trị tuyệt đối của các từ mang cảm xúc tiêu cực đã giúp cân bằng độ nhạy của hệ thống, giảm tỷ lệ phân loại sai giữa các phản hồi tiêu cực xuống dưới 12%.
• Hiệu quả vượt trội của việc sàng lọc câu nghi vấn và câu điều kiện: Mô hình nhận diện chính xác các cấu trúc câu điều kiện ("nếu... thì...", "giá như") và từ khóa nghi vấn ("tại sao", "thế nào"), loại bỏ hơn 95% các trường hợp câu chứa từ cảm xúc nhưng không bộc lộ cảm xúc thực tế.

Thảo luận kết quả

Kết quả đánh giá cho thấy mô hình SO-CAL đầy đủ kết hợp SVM đạt hiệu suất phân lớp vượt trội, tương đương với các nghiên cứu hàng đầu trên thế giới vốn đạt mức 80,74% trên các tập dữ liệu tổng hợp, vượt xa các phương pháp truyền thống như Google PMI (62,25%) hay SentiWordNet (66,51%).

Khi trực quan hóa dữ liệu qua ma trận nhầm lẫn (Confusion Matrix) và đường cong ROC, mô hình thể hiện sự phân tách rõ rệt giữa lớp câu tích cực và tiêu cực với diện tích dưới đường cong đạt mức tối ưu. Biểu đồ phân phối cảm xúc tại Trung tâm Khám phá khoa học phản ánh rõ nét thực tế trải nghiệm của khách tham quan: khoảng 68% ý kiến mang cảm xúc tích cực, 20% ý kiến trung tính hoặc câu hỏi thông tin, và 12% ý kiến tiêu cực liên quan đến thời gian chờ đợi hoặc chất lượng dịch vụ.

Nguyên nhân chính giúp mô hình đạt hiệu năng cao là nhờ sự kết hợp chặt chẽ giữa tri thức ngôn ngữ học tiếng Việt và khả năng tối ưu hóa lề của siêu phẳng SVM. Khác với tiếng Anh, tiếng Việt có hiện tượng ghép từ linh hoạt và thiếu biến hình từ. Do đó, việc thiết lập ngưỡng câu ngắn từ 5 đơn vị từ trở lên cùng bộ quy tắc xử lý từ tăng cường hai chiều (tăng độ và giảm độ) đã giải quyết triệt để các trường hợp đa nghĩa và ngữ cảnh phức tạp.

Đề xuất và khuyến nghị

Dựa trên kết quả nghiên cứu thực nghiệm, bốn giải pháp trọng tâm được đề xuất nhằm nâng cao hiệu quả ứng dụng thực tế:

• Mở rộng và chuẩn hóa bộ ngữ liệu cảm xúc tiếng Việt: Các viện nghiên cứu và doanh nghiệp công nghệ cần phối hợp mở rộng quy mô từ điển SO-CAL từ 5.940 từ hiện tại lên trên 15.000 từ vựng trong thời gian 6 đến 12 tháng tới. Mục tiêu đạt tỷ lệ bao phủ hơn 95% các biến thể tiếng lóng, từ viết tắt và thuật ngữ chuyên ngành trên mạng xã hội.
• Nâng cấp mô hình lên phân tích cảm xúc mức độ khía cạnh (ABSA): Đội ngũ kỹ sư dữ liệu và chuyên gia AI cần nghiên cứu tích hợp các kiến trúc học sâu như mạng Transformer và mô hình ngôn ngữ tiếng Việt vào hệ thống trong vòng 9 tháng. Mục tiêu là phân tách chính xác cảm xúc của người dùng đối với từng thuộc tính riêng biệt của sản phẩm (như giá thành, thiết kế, độ bền) với độ chi tiết đạt trên 85%.
• Tự động hóa quy trình giám sát mạng xã hội theo thời gian thực: Bộ phận công nghệ thông tin tại các doanh nghiệp cần triển khai hệ thống Social Listening tự động qua API, xử lý 100% lượng bình luận trực tuyến theo chu kỳ 15 phút một lần. Giải pháp này giúp rút ngắn thời gian phát hiện sự cố truyền thông hoặc phản hồi tiêu cực xuống dưới 2 giờ.
• Xây dựng chỉ số đo lường cảm xúc thương hiệu định kỳ: Ban lãnh đạo doanh nghiệp và phòng Marketing cần ứng dụng bảng điều khiển (Dashboard) phân tích cảm xúc để theo dõi chỉ số Net Sentiment Score định kỳ hàng tháng. Mục tiêu duy trì tỷ lệ phản hồi tiêu cực dưới ngưỡng 10% và tăng tỷ lệ hài lòng tổng thể của khách hàng lên trên 80% mỗi quý.

Đối tượng nên tham khảo luận văn

Luận văn là tài liệu tham khảo học thuật và ứng dụng giá trị cho bốn nhóm đối tượng chính:

• Giảng viên, nhà nghiên cứu và sinh viên ngành Khoa học máy tính, Trí tuệ nhân tạo: Luận văn cung cấp cơ sở lý thuyết hoàn chỉnh về xử lý ngôn ngữ tự nhiên tiếng Việt, phương pháp xây dựng từ điển phân cực và kỹ thuật tối ưu hóa thuật toán SVM với chiến lược phân lớp nhị phân.
• Kỹ sư dữ liệu và lập trình viên phần mềm: Đây là tài liệu hướng dẫn kỹ thuật chi tiết về cách thiết lập quy trình tiền xử lý văn bản, chuyển đổi mã ký tự chuẩn Unicode, khai thác Facebook Graph API và tích hợp thư viện tách từ vnTokenizer, vnTagger vào các sản phẩm thực tế.
• Giám đốc Marketing và chuyên viên quản trị thương hiệu: Cung cấp phương pháp luận khoa học để thấu hiểu tâm lý người tiêu dùng trên không gian số, giúp đo lường mức độ tiếp nhận sản phẩm mới và tối ưu hóa các chiến dịch truyền thông nhằm nâng cao tỷ lệ chuyển đổi đơn hàng lên khoảng 20% đến 25%.
• Ban quản lý các tổ chức dịch vụ, du lịch và cơ quan công quyền: Tài liệu gợi ý mô hình phân tích tự động ý kiến đóng góp của người dân và du khách (như trường hợp của Trung tâm Khám phá khoa học Quy Nhơn), từ đó cải thiện chất lượng phục vụ công và nâng mức độ hài lòng của khách tham quan lên trên 90%.

Câu hỏi thường gặp

Tại sao nghiên cứu lại kết hợp từ điển từ vựng với máy học SVM thay vì chỉ dùng một phương pháp đơn lẻ?

Phương pháp từ vựng giúp định lượng ngữ nghĩa trực quan thông qua 5.940 từ cảm xúc có sẵn, trong khi thuật toán SVM xuất sắc trong việc tìm kiếm siêu phẳng phân lớp tối ưu trên không gian đặc trưng nhiều chiều. Việc kết hợp giúp bù trừ nhược điểm thiếu ngữ cảnh của từ điển và nhược điểm đòi hỏi dữ liệu huấn luyện khổng lồ của máy học, nâng độ chính xác tổng thể lên trên 80%.

Mô hình xử lý như thế nào đối với các câu phức tạp chứa từ phủ định và từ khiếm khuyết trong tiếng Việt?

Hệ thống sử dụng cơ chế Switch Negation để đảo ngược cực tính cảm xúc khi gặp từ phủ định như "không", "chẳng", "chưa". Đồng thời, mô hình chủ động giảm 50% tổng trọng số cảm xúc của câu khi xuất hiện các động từ khiếm khuyết như "nên", "phải", "có thể", phản ánh chính xác sắc thái giảm nhẹ của người nói trong thực tế.

Bộ từ điển cảm xúc SO-CAL tiếng Việt trong luận văn được xây dựng bằng cách nào?

Tác giả đã chuyển dịch và bản địa hóa bộ từ điển SO-CAL tiếng Anh gốc gồm 6.600 từ sang tiếng Việt bằng cách tích hợp từ điển Viettien v4.0b với hơn 390.000 mục từ và công cụ Google Translate. Toàn bộ 5.940 từ thu được đã được phân loại thành 5 nhóm từ loại và gán nhãn trọng số cảm xúc từ -5 đến +5.

Làm thế nào để hệ thống nhận diện và loại bỏ các câu hỏi hoặc câu giả định không mang cảm xúc?

Mô hình tích hợp bộ lọc đặc trưng ở bước phân loại chủ quan để quét các từ khóa nghi vấn như "tại sao", "như thế nào", "là sao" và cấu trúc câu điều kiện "nếu... thì...", "giá như". Các câu này tự động được xếp vào lớp khách quan dù bên trong có chứa các tính từ cảm xúc, giúp loại bỏ hơn 95% sai số phân loại.

Dữ liệu bình luận từ mạng xã hội Facebook được thu thập và xử lý bằng công cụ gì?

Nghiên cứu sử dụng công cụ Facebook Graph API phiên bản v2.2 kết hợp Access Token tĩnh để gửi yêu cầu HTTP GET trích xuất dữ liệu định dạng JSON từ các bài viết. Toàn bộ nội dung thô sau đó được chuẩn hóa từ định dạng lỗi UNICODETH sang chuẩn Unicode UTF-8 và tách từ loại bằng vnTagger trước khi đưa vào mô hình phân tích.

Kết luận

• Xây dựng thành công bộ từ điển cảm xúc SO-CAL tiếng Việt hoàn chỉnh với 5.940 mục từ được chuẩn hóa và gán nhãn trọng số cảm xúc từ -5 đến +5.
• Hoàn thiện khung kiến trúc phân tích cảm xúc hai giai đoạn hiệu quả, kết hợp nhuần nhuyễn giữa các luật ngữ pháp biến đổi hóa trị ngữ cảnh và thuật toán phân lớp máy học SVM.
• Đạt độ chính xác phân loại vượt trội trên 80%, giải quyết triệt để các bài toán khó về câu nghi vấn, câu điều kiện, từ phủ định và từ khiếm khuyết trong văn phạm tiếng Việt.
• Ứng dụng thực nghiệm thành công trên nguồn dữ liệu mạng xã hội Facebook thực tế tại Trung tâm Khám phá khoa học Quy Nhơn, chứng minh tính khả thi cao trong triển khai công nghiệp.
• Lộ trình 12 đến 24 tháng tới tập trung mở rộng mô hình lên phân tích cảm xúc mức khía cạnh (ABSA) và tích hợp các mạng nơ-ron học sâu tiên tiến.

Các tổ chức, doanh nghiệp và nhà nghiên cứu quan tâm hãy ứng dụng ngay mô hình phân tích cảm xúc này để nâng cao năng lực thấu hiểu khách hàng và tự động hóa quy trình xử lý dữ liệu lớn bằng trí tuệ nhân tạo.

Trích đoạn nội dung tài liệu

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.