Khóa Luận Tốt Nghiệp: Nhận Diện Bài Đánh Giá Rác Trên Các Trang Thương Mại Điện Tử Tiếng Việt

• Tác giả: Đinh Văn Cơ
• Người hướng dẫn: ThS. Tạ Thu Thủy
• Trường học: Đại học Công nghệ Thông tin
• Chuyên ngành: Khoa học dữ liệu
• Đề tài: Nhận Diện Các Bài Đánh Giá Rác Trên Các Trang Thương Mại Điện Tử Việt Nam
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2023
• Địa điểm: Thành phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN
• 1.1. Sự phát triển của hình thức mua sắm trực tuyến ở Việt Nam
• 1.2. Vấn đề bài đánh giá rác
• 1.3. Những thách thức của đề tài
• 1.4. Mục tiêu của đề tài
• 1.5. Phương pháp nghiên cứu
• 1.6. Những đóng góp của đề tài
• 1.7. Cấu trúc khóa luận
• 2. CHƯƠNG 2: CÁC PHƯƠNG PHÁP PHÁT HIỆN BÀI ĐÁNH GIÁ RÁC
• 2.1. Mô tả bài toán
• 2.2. Khái niệm bài đánh giá, bài đánh giá rác
• 2.3. Định nghĩa các nhiệm vụ cho bài toán
• 2.4. Các công trình liên quan
• 2.5. Phương pháp phát hiện bài đánh giá rác
• 2.5.1. Dựa trên quy luật
• 2.5.2. Dựa trên mô hình học máy
• 2.6. Các kỹ thuật trích xuất đặc trưng
• 2.7. Các thuật toán học máy cho bài toán phân loại bài đánh giá rác
• 2.8. Các mô hình mạng nơ-ron học sâu
• 2.8.1. Bidirectional Long Short-Term Memory
• 2.8.2. Bidirectional Gated Recurrent Unit
• 2.9. Mô hình học chuyển tiếp
• 2.10. Phương pháp kết hợp metadata cho bài toán phân loại
• 2.10.1. Phương pháp kết hợp thuộc tính dạng danh mục
• 2.10.2. Phương pháp kết hợp thuộc tính dạng văn bản
• 3. CHƯƠNG 3: BỘ DỮ LIỆU ViSpamReviews
• 3.1. Tổng quan quy trình xây dựng bộ dữ liệu
• 3.2. Phương pháp đánh giá độ đồng thuận giữa những người gán nhãn
• 3.3. Xây dựng bộ dữ liệu
• 3.3.1. Thu thập các bài đánh giá từ các trang thương mại điện tử
• 3.3.2. Xây dựng hướng dẫn gán nhãn
• 3.3.3. Gán nhãn và tính toán độ đồng thuận
• 3.3.4. Thảo luận về độ đồng thuận giữa những người gán nhãn
• 3.3.5. Thảo luận về sự hợp lý của kết quả gán nhãn
• 3.4. Tổng quan bộ dữ liệu
• 3.5. Phân tích các thuộc tính của sản phẩm được đánh giá
• 3.6. Kết luận về bộ dữ liệu
• 4. CHƯƠNG 4: CÀI ĐẶT THỬ NGHIỆM
• 4.1. Tiền xử lý dữ liệu
• 4.2. Cài đặt thử nghiệm các mô hình phân loại
• 4.2.1. Thiết lập thông số các mô hình mạng nơ-ron học sâu
• 4.2.2. Thiết lập thông số các mô hình học chuyển tiếp
• 5. CHƯƠNG 5: CÁC KẾT QUẢ THỬ NGHIỆM
• 5.1. Kết quả thử nghiệm ban đầu
• 5.2. Phân tích lỗi và hạn chế của việc chỉ sử dụng bình luận để phân loại bài đánh giá rác
• 5.3. Cài đặt thử nghiệm kết hợp metadata
• 5.4. Kết quả thử nghiệm kết hợp metadata cho các mô hình
• 5.4.1. Phân tích lỗi trên danh mục sản phẩm
• 5.4.2. Phân tích lỗi trên mô tả sản phẩm
• 5.4.3. Phân tích lỗi trên cả danh mục sản phẩm và mô tả sản phẩm
• 5.5. Đánh giá hiệu quả của phương pháp kết hợp metadata
• 5.6. Tóm tắt các kết quả thử nghiệm
• 6. CHƯƠNG 6: CHƯƠNG TRÌNH MINH HỌA
• 6.1. Kiến trúc tổng quan
• 6.2. Xây dựng chương trình minh họa
• 6.3. Đánh giá chương trình minh họa
• 6.3.1. Những kết quả đạt được
• 6.3.2. Hạn chế và hướng phát triển
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC A: CÔNG BỐ KHOA HỌC

Tóm tắt

I. Tổng quan về Nhận Diện Bài Đánh Giá Rác Trên TMĐT Việt Nam

Trong bối cảnh thương mại điện tử (TMĐT) phát triển mạnh mẽ tại Việt Nam, việc nhận diện các bài đánh giá rác trở nên cấp thiết. Những bài đánh giá này không chỉ ảnh hưởng đến quyết định mua sắm của người tiêu dùng mà còn tác động đến uy tín của các nền tảng TMĐT. Việc hiểu rõ về khái niệm và tầm quan trọng của việc nhận diện bài đánh giá rác là bước đầu tiên trong nghiên cứu này.

1.1. Khái niệm về bài đánh giá và bài đánh giá rác

Bài đánh giá là những nhận xét của người tiêu dùng về sản phẩm. Bài đánh giá rác là những đánh giá không chính xác, có thể là giả mạo hoặc không liên quan đến sản phẩm, gây ảnh hưởng tiêu cực đến quyết định mua hàng.

1.2. Tầm quan trọng của việc nhận diện bài đánh giá rác

Việc nhận diện bài đánh giá rác giúp bảo vệ quyền lợi của người tiêu dùng và nâng cao chất lượng dịch vụ của các nền tảng TMĐT. Điều này cũng giúp các nhà bán hàng duy trì uy tín và tăng cường sự tin tưởng từ khách hàng.

II. Vấn đề và Thách thức trong Nhận Diện Bài Đánh Giá Rác

Mặc dù có nhiều lợi ích, việc nhận diện bài đánh giá rác trên các trang TMĐT Việt Nam gặp phải nhiều thách thức. Các nhà bán hàng thường sử dụng các chiến thuật không trung thực để tạo ra các bài đánh giá giả mạo, làm cho việc phát hiện trở nên khó khăn hơn.

2.1. Các hình thức đánh giá rác phổ biến

Các hình thức đánh giá rác bao gồm đánh giá giả mạo, đánh giá không liên quan và đánh giá có nội dung không chính xác. Những hình thức này gây khó khăn cho người tiêu dùng trong việc đưa ra quyết định mua hàng.

2.2. Tác động của đánh giá rác đến người tiêu dùng

Đánh giá rác có thể dẫn đến việc người tiêu dùng mua phải sản phẩm kém chất lượng, gây mất niềm tin vào các nền tảng TMĐT. Điều này không chỉ ảnh hưởng đến trải nghiệm mua sắm mà còn làm giảm doanh thu của các nhà bán hàng.

III. Phương Pháp Nhận Diện Bài Đánh Giá Rác Hiệu Quả

Để nhận diện bài đánh giá rác, nhiều phương pháp đã được nghiên cứu và áp dụng. Các phương pháp này bao gồm việc sử dụng các thuật toán học máy và các kỹ thuật xử lý ngôn ngữ tự nhiên.

3.1. Sử dụng mô hình học máy để phát hiện đánh giá rác

Mô hình học máy như TextCNN và BILSTM đã được áp dụng để phân loại các bài đánh giá. Những mô hình này giúp cải thiện độ chính xác trong việc nhận diện bài đánh giá rác.

3.2. Kết hợp metadata trong nhận diện đánh giá rác

Việc kết hợp metadata như thông tin sản phẩm và lịch sử đánh giá có thể nâng cao hiệu quả của các mô hình phân loại. Phương pháp này đã cho thấy sự cải thiện đáng kể trong các thử nghiệm.

IV. Ứng Dụng Thực Tiễn và Kết Quả Nghiên Cứu

Nghiên cứu về nhận diện bài đánh giá rác đã cho ra những kết quả khả quan. Các mô hình học máy đã được thử nghiệm trên bộ dữ liệu lớn và cho thấy hiệu suất cao trong việc phân loại bài đánh giá.

4.1. Kết quả thử nghiệm mô hình học máy

Kết quả thử nghiệm cho thấy mô hình PhoBERT đạt được độ chính xác cao nhất với F1-macro là 89.23%. Điều này chứng tỏ khả năng của các mô hình học sâu trong việc nhận diện bài đánh giá rác.

4.2. Ứng dụng trong thực tiễn

Các nền tảng TMĐT có thể áp dụng các phương pháp này để cải thiện chất lượng dịch vụ và bảo vệ quyền lợi người tiêu dùng. Việc này không chỉ nâng cao trải nghiệm mua sắm mà còn tăng cường uy tín của nền tảng.

V. Kết Luận và Tương Lai của Nhận Diện Bài Đánh Giá Rác

Nhận diện bài đánh giá rác là một vấn đề quan trọng trong thương mại điện tử. Nghiên cứu này đã chỉ ra rằng việc áp dụng các phương pháp học máy có thể giúp cải thiện đáng kể khả năng phát hiện bài đánh giá rác.

5.1. Tương lai của nghiên cứu

Trong tương lai, cần tiếp tục nghiên cứu và phát triển các phương pháp mới để nhận diện bài đánh giá rác. Việc này sẽ giúp nâng cao chất lượng dịch vụ và bảo vệ quyền lợi người tiêu dùng.

5.2. Khuyến nghị cho các nền tảng TMĐT

Các nền tảng TMĐT nên đầu tư vào công nghệ nhận diện bài đánh giá rác để cải thiện trải nghiệm người dùng. Điều này không chỉ giúp tăng cường uy tín mà còn thúc đẩy doanh thu.