Tổng quan nghiên cứu

Phân tích quan điểm (sentiment analysis) là lĩnh vực nghiên cứu nhằm đánh giá thái độ, cảm xúc của người dùng đối với một đối tượng cụ thể, như sản phẩm hay dịch vụ. Theo báo cáo của ngành, việc phân tích quan điểm đóng vai trò quan trọng trong việc nâng cao chất lượng sản phẩm và dịch vụ, đặc biệt trong lĩnh vực du lịch, nơi mà các đánh giá của du khách ảnh hưởng trực tiếp đến quyết định lựa chọn điểm đến. Tính đến năm 2015, Việt Nam có khoảng 44% dân số sử dụng Internet, tạo ra một kho dữ liệu lớn về các nhận xét, đánh giá trực tuyến. Tuy nhiên, phân tích quan điểm tổng thể cho toàn bộ văn bản chưa đủ chi tiết để hiểu rõ sở thích của khách hàng về từng khía cạnh của sản phẩm.

Luận văn tập trung vào phân tích quan điểm theo khía cạnh, nhằm xác định sở thích của du khách về sản phẩm du lịch, cụ thể là khách sạn, trong giai đoạn năm 2020 tại Bình Định. Mục tiêu nghiên cứu gồm: (1) tìm hiểu cơ sở lý thuyết về phân tích quan điểm và phân tích quan điểm theo khía cạnh; (2) ứng dụng các kỹ thuật phân tích này để xác định sở thích của du khách dựa trên các đánh giá thực tế. Nghiên cứu có ý nghĩa thiết thực trong việc hỗ trợ các doanh nghiệp du lịch cải thiện dịch vụ, nâng cao trải nghiệm khách hàng và tăng cường hiệu quả kinh doanh thông qua việc khai thác dữ liệu đánh giá trực tuyến.

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:

  • Phân tích quan điểm (Sentiment Analysis): Phân biệt giữa quan điểm tích cực, tiêu cực và trung lập trong các văn bản đánh giá. Phân tích quan điểm theo khía cạnh đi sâu vào việc xác định cảm nhận của người dùng về từng thuộc tính cụ thể của sản phẩm, ví dụ như giá phòng, vị trí, phòng ốc, dịch vụ và nhân viên trong khách sạn.

  • Học máy (Machine Learning): Sử dụng thuật toán Support Vector Machine (SVM) để phân lớp quan điểm dựa trên các vector đặc trưng được trích xuất từ văn bản. SVM tối ưu siêu phẳng phân chia dữ liệu thành các lớp tích cực và tiêu cực với khoảng cách biên lớn nhất nhằm nâng cao độ chính xác phân loại.

  • Xử lý ngôn ngữ tự nhiên (Natural Language Processing - NLP): Tiền xử lý dữ liệu bao gồm chuẩn hóa văn bản, loại bỏ từ dừng, tách từ bằng công cụ vnTokenizer với độ chính xác khoảng 96-98%. Các kỹ thuật trích xuất khía cạnh dựa trên tần suất xuất hiện của từ khóa lõi và từ chủ đề liên quan đến từng khía cạnh.

Các khái niệm chuyên ngành quan trọng bao gồm: đối tượng (object), khía cạnh (aspect), quan điểm hiện và ẩn (explicit and implicit opinion), đặc trưng hiện và ẩn (explicit and implicit feature), và đoạn đánh giá (opinion passage).

Phương pháp nghiên cứu

  • Nguồn dữ liệu: Tập dữ liệu gồm 800 nhận xét của du khách về khách sạn AVANI tại Quy Nhơn, thu thập từ trang Tripadvisor.

  • Phương pháp phân tích: Quy trình nghiên cứu gồm các bước: tiền xử lý dữ liệu (chuẩn hóa, loại bỏ từ dừng, tách từ), rút trích khía cạnh dựa trên tập từ lõi và từ chủ đề, phân lớp quan điểm theo khía cạnh sử dụng thuật toán SVM, và dự đoán xếp hạng sở thích của du khách theo từng khía cạnh.

  • Cỡ mẫu và chọn mẫu: Tập dữ liệu gồm 800 nhận xét được chia ngẫu nhiên thành 70% dữ liệu huấn luyện và 30% dữ liệu kiểm tra để đánh giá mô hình.

  • Công cụ: vnTokenizer cho xử lý ngôn ngữ tự nhiên, SV M light để thực hiện thuật toán SVM.

  • Timeline nghiên cứu: Nghiên cứu được thực hiện trong năm 2020, tập trung vào phân tích dữ liệu thu thập trong cùng năm.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Rút trích khía cạnh: Từ 800 nhận xét, các câu được phân bổ theo 5 khía cạnh chính của khách sạn như sau: Phòng (648 câu), Dịch vụ (573 câu), Nhân viên (426 câu), Vị trí (357 câu), Giá phòng (188 câu).

  2. Phân lớp quan điểm: Bộ phân lớp SVM đạt độ chính xác cao trên tất cả các khía cạnh, với độ chính xác (precision) từ 91,6% đến 96,3%, độ bao phủ (recall) từ 89,4% đến 92,4%, và độ đo F1 từ 90,5% đến 93,5%.

  3. Xếp hạng sở thích theo khía cạnh: Khía cạnh được du khách yêu thích nhất là phòng với tỷ lệ quan điểm tích cực đạt 86% theo dự đoán, tiếp theo là nhân viên (76%), vị trí (74%), giá phòng (77%) và dịch vụ (66%). Mức độ yêu thích thấp nhất thuộc về dịch vụ, với 34% quan điểm tiêu cực.

  4. So sánh điểm xếp hạng dự đoán và dữ liệu thực tế: Chênh lệch giữa điểm xếp hạng dự đoán và điểm xếp hạng dựa trên dữ liệu đánh giá thực tế dao động từ 2% đến 7%, cho thấy mô hình dự đoán có độ tin cậy cao.

Thảo luận kết quả

Kết quả cho thấy phương pháp phân tích quan điểm theo khía cạnh kết hợp với thuật toán SVM có hiệu quả trong việc xác định sở thích của du khách về từng khía cạnh sản phẩm du lịch. Độ chính xác trên 90% của bộ phân lớp chứng tỏ khả năng phân biệt quan điểm tích cực và tiêu cực rất tốt. Sự khác biệt nhỏ giữa điểm xếp hạng dự đoán và dữ liệu thực tế có thể do tính đa dạng trong cách diễn đạt của người dùng và một số câu đánh giá mang tính trung lập hoặc mâu thuẫn.

So với các nghiên cứu trước đây, việc áp dụng phân tích quan điểm theo khía cạnh giúp cung cấp thông tin chi tiết hơn so với phân tích quan điểm tổng thể, từ đó hỗ trợ doanh nghiệp du lịch tập trung cải thiện các khía cạnh còn hạn chế như dịch vụ. Biểu đồ so sánh mức độ yêu thích theo khía cạnh có thể được trình bày để minh họa trực quan sự khác biệt về mức độ hài lòng của khách hàng, giúp các nhà quản lý dễ dàng ra quyết định.

Đề xuất và khuyến nghị

  1. Tăng cường thu thập và mở rộng dữ liệu: Chủ động thu thập thêm dữ liệu đánh giá từ nhiều nguồn khác nhau và mở rộng phạm vi sản phẩm du lịch như nhà hàng, điểm tham quan để nâng cao độ chính xác và tính đại diện của mô hình trong vòng 1-2 năm tới. Chủ thể thực hiện: các doanh nghiệp du lịch và các tổ chức nghiên cứu.

  2. Phát triển hệ thống phân tích quan điểm tự động: Xây dựng ứng dụng phân tích quan điểm theo khía cạnh tích hợp công nghệ học máy để tự động hóa việc phân tích và báo cáo sở thích của khách hàng, giúp doanh nghiệp nhanh chóng nắm bắt xu hướng và phản hồi. Thời gian triển khai dự kiến 12 tháng. Chủ thể thực hiện: các công ty công nghệ và phòng nghiên cứu nội bộ.

  3. Đào tạo và nâng cao năng lực nhân sự: Tổ chức các khóa đào tạo về xử lý ngôn ngữ tự nhiên và học máy cho đội ngũ nhân viên phân tích dữ liệu nhằm nâng cao hiệu quả khai thác dữ liệu đánh giá khách hàng. Thời gian thực hiện 6-12 tháng. Chủ thể thực hiện: các trường đại học, trung tâm đào tạo và doanh nghiệp.

  4. Tối ưu hóa dịch vụ dựa trên kết quả phân tích: Dựa trên các khía cạnh có tỷ lệ quan điểm tiêu cực cao như dịch vụ, doanh nghiệp cần thiết kế các chương trình cải tiến, nâng cao chất lượng phục vụ, đồng thời theo dõi sát sao phản hồi khách hàng để điều chỉnh kịp thời. Thời gian thực hiện liên tục, ưu tiên trong 6 tháng đầu. Chủ thể thực hiện: bộ phận quản lý khách sạn và dịch vụ khách hàng.

Đối tượng nên tham khảo luận văn

  1. Doanh nghiệp du lịch và khách sạn: Giúp hiểu rõ hơn về sở thích và nhu cầu của khách hàng theo từng khía cạnh sản phẩm, từ đó cải thiện dịch vụ và tăng cường trải nghiệm khách hàng.

  2. Nhà nghiên cứu và sinh viên ngành Khoa học máy tính, Xử lý ngôn ngữ tự nhiên: Cung cấp cơ sở lý thuyết và phương pháp thực nghiệm về phân tích quan điểm theo khía cạnh, hỗ trợ phát triển các nghiên cứu tiếp theo trong lĩnh vực học máy và khai phá dữ liệu.

  3. Chuyên gia marketing và quản lý sản phẩm: Hỗ trợ phân tích dữ liệu đánh giá khách hàng để xây dựng chiến lược marketing hiệu quả, tập trung vào các điểm mạnh và khắc phục điểm yếu của sản phẩm.

  4. Các tổ chức phát triển công nghệ và phần mềm: Tham khảo để phát triển các công cụ, ứng dụng phân tích quan điểm tự động, phục vụ cho các ngành công nghiệp liên quan đến du lịch và dịch vụ.

Câu hỏi thường gặp

  1. Phân tích quan điểm theo khía cạnh khác gì so với phân tích quan điểm tổng thể?
    Phân tích quan điểm tổng thể đánh giá cảm nhận chung của người dùng về toàn bộ sản phẩm, trong khi phân tích theo khía cạnh đi sâu vào từng thuộc tính cụ thể như giá cả, dịch vụ, giúp hiểu rõ hơn về điểm mạnh và điểm yếu chi tiết.

  2. Tại sao chọn thuật toán SVM cho phân lớp quan điểm?
    SVM có khả năng phân tách dữ liệu với biên lớn nhất, giúp tăng độ chính xác phân loại giữa các lớp tích cực và tiêu cực. Kết quả thực nghiệm cho thấy SVM đạt độ chính xác trên 90% trong bài toán này.

  3. Làm thế nào để xử lý các câu đánh giá có quan điểm pha trộn tích cực và tiêu cực?
    Luận văn tập trung phân tích ở mức câu, mỗi câu được gán nhãn quan điểm tích cực hoặc tiêu cực. Các câu có quan điểm pha trộn được tách nhỏ hoặc xử lý riêng để đảm bảo độ chính xác trong phân loại.

  4. Phương pháp rút trích khía cạnh dựa trên cơ sở nào?
    Phương pháp dựa trên tần suất xuất hiện của các từ khóa lõi và từ chủ đề liên quan đến từng khía cạnh, kết hợp với thuật toán lọc mẫu để loại bỏ các thuật ngữ không liên quan, đảm bảo trích xuất chính xác các khía cạnh được đề cập.

  5. Ứng dụng thực tế của nghiên cứu này trong ngành du lịch là gì?
    Nghiên cứu giúp doanh nghiệp du lịch hiểu rõ sở thích của khách hàng theo từng khía cạnh, từ đó cải tiến dịch vụ, thiết kế sản phẩm phù hợp hơn và xây dựng các chiến lược marketing hiệu quả, góp phần tăng doanh thu và nâng cao uy tín thương hiệu.

Kết luận

  • Luận văn đã trình bày tổng quan và ứng dụng phân tích quan điểm theo khía cạnh trong lĩnh vực du lịch, tập trung vào sản phẩm khách sạn.
  • Phương pháp sử dụng thuật toán SVM kết hợp với kỹ thuật xử lý ngôn ngữ tự nhiên cho kết quả phân loại quan điểm chính xác trên 90%.
  • Kết quả thực nghiệm trên 800 nhận xét khách sạn AVANI cho thấy khả năng xác định sở thích của du khách theo từng khía cạnh với độ tin cậy cao.
  • Nghiên cứu mở ra hướng phát triển cho các ứng dụng phân tích quan điểm tự động trong ngành du lịch và các lĩnh vực liên quan.
  • Các bước tiếp theo bao gồm mở rộng dữ liệu, thử nghiệm thêm các thuật toán học máy khác và xây dựng ứng dụng thực tế phục vụ doanh nghiệp.

Hành động tiếp theo: Các nhà nghiên cứu và doanh nghiệp nên phối hợp triển khai các giải pháp phân tích quan điểm theo khía cạnh để nâng cao chất lượng dịch vụ và đáp ứng tốt hơn nhu cầu khách hàng trong bối cảnh cạnh tranh ngày càng gia tăng.