Phân Tích Tình Cảm Của Người Dùng Trong Đánh Giá Phim Việt Nam Bằng Máy Vector Hỗ Trợ

Khóa luận tốt nghiệp nghiên cứu tốt nghiệp sentiment analysis of users vietnamese movie reviews using support vector machine, vận dụng lý thuyết vào thực tế, đề xuất giải pháp cụ

Chuyên ngành

Information Systems

Người đăng

Ẩn danh

Thể loại

thesis

2021

65
2
0

Phí lưu trữ

30 Point

Mục lục chi tiết

ACKNOWLEDGMENTS

THESIS PROPOSAL

TABLE OF CONTENTS

1. CHAPTER 1: OBJECTIVES AND SCOPE

1.1. Objectives

1.2. Scope

1.3. Goals

1.4. Results

1.5. Thesis Structure

2. CHAPTER 2: OVERVIEW

2.1. Sentiment Analysis

2.2. Research Related

2.3. Conclusion

3. CHAPTER 3: DATASET CREATION

3.1. Collecting and Preprocessing Data

4. CHAPTER 4: SENTIMENT ANALYSIS MODEL

4.1. Support Vector Machine

4.2. Vectorization

5. CHAPTER 5: EXPERIMENT AND RESULTS

5.1. Implementation And Setting Parameter

5.2. Traditional Classification Model

5.3. Model Evaluation

6. CHAPTER 6: CONCLUSION AND FUTURE WORK

REFERENCES

LIST OF TABLES

LIST OF FIGURES

ABBREVIATIONS

ABSTRACT

Tóm tắt

I. Tổng Quan Về Phân Tích Tình Cảm Trong Đánh Giá Phim Việt Nam

Phân tích tình cảm là một lĩnh vực nghiên cứu quan trọng trong công nghệ thông tin, đặc biệt là trong việc đánh giá phim. Với sự phát triển của công nghệ AI, việc áp dụng máy vector hỗ trợ (SVM) trong phân tích tình cảm đã mở ra nhiều cơ hội mới. Nghiên cứu này tập trung vào việc xây dựng một bộ dữ liệu tiêu chuẩn cho các đánh giá phim Việt Nam, nhằm cải thiện độ chính xác trong việc phân tích cảm xúc của người dùng.

1.1. Định Nghĩa Phân Tích Tình Cảm

Phân tích tình cảm (sentiment analysis) là quá trình xác định và phân loại cảm xúc trong văn bản. Nó giúp hiểu rõ hơn về ý kiến và thái độ của người dùng đối với các sản phẩm, dịch vụ, và trong trường hợp này là phim Việt Nam.

1.2. Tầm Quan Trọng Của Phân Tích Tình Cảm Trong Ngành Điện Ảnh

Phân tích tình cảm giúp các nhà sản xuất phim hiểu được phản hồi của khán giả, từ đó cải thiện chất lượng phim và chiến lược marketing. Điều này đặc biệt quan trọng trong bối cảnh cạnh tranh ngày càng gia tăng trong ngành điện ảnh Việt Nam.

II. Thách Thức Trong Phân Tích Tình Cảm Đánh Giá Phim Việt Nam

Mặc dù có nhiều tiềm năng, việc phân tích tình cảm trong đánh giá phim Việt Nam cũng gặp phải nhiều thách thức. Các vấn đề như ngôn ngữ phong phú, sự đa dạng trong cách diễn đạt cảm xúc và thiếu hụt dữ liệu chất lượng cao là những trở ngại lớn.

2.1. Đặc Điểm Ngôn Ngữ Việt Nam

Ngôn ngữ Việt Nam có nhiều từ đồng nghĩa và cách diễn đạt phong phú, điều này gây khó khăn cho việc phân loại cảm xúc chính xác. Các từ như 'hay', 'tuyệt', và 'thú vị' có thể mang nhiều nghĩa khác nhau tùy vào ngữ cảnh.

2.2. Thiếu Dữ Liệu Chất Lượng Cao

Việc xây dựng bộ dữ liệu tiêu chuẩn cho phân tích tình cảm là một thách thức lớn. Nhiều bộ dữ liệu hiện có không đủ lớn hoặc không đại diện cho toàn bộ cảm xúc của người dùng, dẫn đến kết quả phân tích không chính xác.

III. Phương Pháp Sử Dụng Máy Vector Hỗ Trợ Trong Phân Tích Tình Cảm

Máy vector hỗ trợ (SVM) là một trong những phương pháp hiệu quả nhất trong phân tích tình cảm. Phương pháp này giúp phân loại các đánh giá phim thành các nhóm cảm xúc khác nhau, từ tích cực đến tiêu cực.

3.1. Nguyên Tắc Hoạt Động Của SVM

SVM hoạt động bằng cách tìm kiếm một siêu phẳng tối ưu để phân chia các lớp dữ liệu. Trong trường hợp này, các lớp dữ liệu là các đánh giá phim với các cảm xúc khác nhau.

3.2. Quy Trình Áp Dụng SVM Trong Phân Tích Tình Cảm

Quy trình bao gồm thu thập dữ liệu, tiền xử lý, xây dựng mô hình SVM và đánh giá kết quả. Mỗi bước đều quan trọng để đảm bảo độ chính xác của phân tích.

IV. Ứng Dụng Thực Tiễn Của Phân Tích Tình Cảm Trong Đánh Giá Phim

Phân tích tình cảm không chỉ giúp các nhà sản xuất phim mà còn hỗ trợ khán giả trong việc lựa chọn phim. Các ứng dụng thực tiễn của phân tích tình cảm đang ngày càng được mở rộng.

4.1. Cải Thiện Chiến Lược Marketing

Các nhà sản xuất phim có thể sử dụng phân tích tình cảm để điều chỉnh chiến lược marketing của họ, từ đó thu hút nhiều khán giả hơn.

4.2. Hỗ Trợ Khán Giả Trong Việc Lựa Chọn Phim

Phân tích tình cảm giúp khán giả dễ dàng tìm kiếm và lựa chọn những bộ phim phù hợp với sở thích và tâm trạng của họ.

V. Kết Luận Và Tương Lai Của Phân Tích Tình Cảm Trong Đánh Giá Phim

Phân tích tình cảm trong đánh giá phim Việt Nam đang trên đà phát triển mạnh mẽ. Với sự tiến bộ của công nghệ AI, tương lai của lĩnh vực này hứa hẹn sẽ mang lại nhiều giá trị hơn nữa.

5.1. Xu Hướng Phát Triển Trong Nghiên Cứu

Nghiên cứu về phân tích tình cảm sẽ tiếp tục mở rộng, đặc biệt là trong việc phát triển các bộ dữ liệu và mô hình phân tích mới.

5.2. Tác Động Đến Ngành Điện Ảnh

Phân tích tình cảm sẽ ngày càng trở thành một công cụ quan trọng trong ngành điện ảnh, giúp cải thiện chất lượng phim và trải nghiệm của khán giả.

10/07/2025

Trích đoạn nội dung tài liệu

VIETNAM NATIONAL UNIVERSITY UNIVERSITY OF INFORMATION TECHNOLOGY ADVANCED PROGRAM IN INFORMATION SYSTEMS NGUYEN THI NGA SENTIMENT ANALYSIS OF USER’S VIETNAMESE MOVIE REVIEWS USING SUPPORT VECTOR MACHINE BACHELOR OF ENGINEERING IN INFORMATION SYSTEMS HO CHI MINH CITY, 2021 VIETNAM NATIONAL UNIVERSITY HCM CITY UNIVERSITY OF INFORMATION TECHNOLOGY ADVANCED PROGRAM IN INFORMATION SYSTEMS NGUYEN THI NGA - 16520787 SENTIMENT ANALYSIS OF USER’S VIETNAMESE MOVIE REVIEWS USING SUPPORT VECTOR MACHINE BACHELOR OF ENGINEERING IN INFORMATION SYSTEMS THESIS ADVISOR Dr. CAO TH] NHAN HO CHI MINH CITY, 2021 ASSESSMENT COMMITTEE The Assessment Committee is established under the Decision. by Rector of the University of Information Technology. Bo ieceeteeeetecseseseseseeecsesesesscsessseaeseseeessseseeeaeee - Member.

ACKNOWLEDGMENTS The graduation thesis has been a golden opportunity for me to testify and implement the knowledge that I have learned during our time at the university, yet opportunities always accompany difficulties. Thus, I would like to express our special thanks of gratitude to our beloved ones that have helped me overcome this challenging period. First and foremost, we are so grateful for having Dr.Cao Thi Nhan as my thesis advisor. Were it not for her being incredibly patient, inspiring, and knowledgeable, I probably would not accomplish this thesis at this level.

Secondly, to Mr.Nguyen Minh Tri, Mr. Nguyen Van Vinh with our highest gratitude and appreciation, I am so thankful for your support. Thank you for helping me to keep track of my direction in research.I would also like to thank Pham Thi Anh Minh, Nguyen Thi Thu Huong for accompanying me in the process of creating the dataset. Last but not least, I would like to thank my parents for having been there for us as always.

In the course of doing the thesis, I could not avoid shortcomings and limitations completely. Therefore, I really look forward to receiving valuable feedback and suggestions from teachers. Once again, thank you very much! ii THESIS PROPOSAL THESIS TITLE: Sentiment Analysis of User’s Vietnamese Movie Reviews using Support Vector Machine. Cao Thi Nhan Duration: Oct 5, 2020 to Dec 15, 2020 Student: Nguyen Thi Nga — 16520787 Contents: 1.Scope e Dataset: Vietnamese movie review.

e Algorithm: SVM, N-gram, TF-IDF. e Programming language: Python. Objectives e Dataset: Vietnamese movie review. e Data preprocessing algorithms, data mining.

Methodologies ii e Survey: collect and read information from documents and textbooks related to data mining, machine learning and issues related to sentiment analysis. e Use tools to crawl data from Facebook pages about movies: CGV Cinema, Lotte,. e Research data preprocessing technologies. e Research about SVM models to use with this data.

e Evaluation: use technologies to evaluate the classification issues. Expected results e Vietnamese standard dataset of movie reviews. e Successfully build a demo. e Applying the SVM model will result in more than 60%.

Timeline: Phase 1 (5/9/2020 — 18/9/2020): Discuss to select thesis, find out the situation, related articles and thesis, write thesis outline. Phase 2 (19/9/2020 - 15/11/2020): Draw1 data, process the data and. Find out and apply solutions for abbreviations in data. Phase 3 (15/11/2020 - 8/12/2020): Install the environment and run the algorithm.

Use techniques to evaluate such as: numpy-matrix Phase 4 (8/12/2020 - 25/12/2020): Edit, supplement and complete report, slide. iv TABLE OF CONTENTS Contents ACKNOWLEDGIMMENTTS.-- GG G0001 0 1816 ii THESIS PROPOSAL.scsssseseesssssssssssessssssssesevessssseesnsseseeesesseeececssseensessesesasenseensess iii TABLE OF CONTEINTS.- --- ĂĂ 5 Họng v LIST OF TABLES .--- 5-5 nh nh nh nh ng nhevii TABLE OF FIGURES. cọ ng HH TH HH ng 0111080731777 ix ABSTRACT. T0 nhà HT v00 1001100801 10011001801 101 1 Chapter 1.

Objectives and Scope 1. Ăn ng ng ng ng 1 1111171 ng ng re 7 2.ssesssesssesssessscssscssscssscssscssscesscsnssssscenscsnscsnscssscsnscsnsssnsesnscsssssnassnscsnenenanens 10 CHAPTER 3: DATASET CREATION. Collecting and Preprocessing Data. 23 CHAPTER 4: SENTIMENT ANALYSIS MODEL.

Support Vector IVIqChrie.-- -- - «<< 5< + SE EE*EE*EE E155 3 181. VeCtOFÍZGtÍON.csscsssscssscssscssensssssssssnsennsesscsssnsssnssssesscnssensecssessanenaseeasessanensaeseasens 29 CHAPTER 5: EXPERIMENT AND RESULTS 5. VectOFÍZGEÍOTI. Implement And Setting Parameter.

Traditional Classification MOGEI. Model evaluation: numpy-IT(GEFÍX.-- c2 1n HH ng ng ng ni 51 6. Future Work REFERENCES. LIST OF TABLES Table 3.

Consensus among labeling members.2 The number and proportion of label categories. Feature unigrams, bigrams, trigrams for sentence “phim vừa hay vừa cam động phải dùng khăn giấy để lao LON”. The results for the issues of determining sentiment analysis in units percent. 234 TABLE OF FIGURES Figure 5.

1 Diagram Sentiment Analysis system overview. 2 The accuracy comparison diagram among features. 3 The Homepage of website. 4 The Contact page of website Figure 5.

5 The Demo page of website Figure 5. 6 The recommend sentence feature Figure 5. 7 The results demo of sentence “phimm hay qua” Figure 5. 8 The results demo of sentence “công vinh đá đẹp ghê”.

0 The results demo of sentence “bộ phim không được hap dân người Figure 5. 2 The results demo of sentence “góc nhìn từ cửa sô that là đẹp” Figure 5. 3 The results demo of sentence “phim cũng 6n áp! anh nhé?”. 4 The results demo of sentence “phim có vẻ không oke ti nao” Figure 5.

5 The results demo of sentence “diễn viên chính xấu ghê mà diễn cũng do nữa nhưng nhìn chung phim có nội dung hay nên xem”. 6 The results demo of sentence “trời lạnh buồn ngủ quá”. viii ABBREVIATIONS ID Acronyms Mean 1 NLP Natural language processing 2 SA Sentiment analysis 3 SVM Support Vector Machine ix ABSTRACT Sentiment analysis (or opinion mining) is a natural language processing technique used to determine whether data is positive, negative or neutral. Sentiment analysis is often performed on textual data to help businesses monitor brand and product sentiment in customer feedback, and understand customer needs.

In this document, we focus on building a sentence-level Vietnamese language standard for user comments on the data movies domain. Our set of documents includes sentences that solve sentiment analysis issues. We provide a set of rules to cater to community research and language development. The authors have planned to implement the topic as follows: e Create a dataset about reviews movies.

e Create the guidelines for the dataset. e Research and choose the model to solve the Sentiment Analysis of the movies dataset. e Evaluation the model. e Build a website to predict the sentences.

In addition, in this topic, we research and test with the Support Vector Machine model on the dataset we build. Test results for the issues of detecting sentiment the type SVM model achieved 92. However this thesis has many limits bellow: e Some words still interfere with the model with keyword such as : “không được, kha, gu, có vẻ”. e Besides the results, there are still some limitations in our thesis.

Our dataset builds unequally between labels and influences the test results. This limitation will have a great impact on bringing the application into practice. e The dataset has 5.194 rows to solve sentiment analysis issues. In this, positive has 544 sentences, the neutral has 4.326 sentences and the negative has 324 sentences.

With the distribution ratio having a large difference between the labels, it will cause linguistic imbalance and affect the results during later testing. The model is overfitted because the test dataset is overfitted with train dataset. Introduction In recent years, with the strong and rapid growth of the Internet and the need to consult the feedback of previous customers as the demand for entertainment of young people is increasing. Therefore, websites are now being developed to allow users to share experiences, reviews, comments and feedback on different types of services and movies from cinemas.

When users decide to go to a certain movie, they not only consider information about the actor, trailer, and director, but also tend to be interested in the feedback of other users. When reviewing the reviews and feedback of other users, customers tend to make decisions on choosing a more suitable and reliable movie. Along with that, businesses, services and organizations also collect feedback from users about their movies to give better directions. However, with a large amount of feedback from users about movies, it is difficult for users and businesses and organizations to care about them.

To solve these issues, businesses, organizations and users need a system that can automatically analyze all reviews and summarize all the feedback for customers and businesses to refer. and make quick decisions. Currently, the information that systems are used to analyze user feedback on websites is usually only interested in the scores that users rate about those products and services. However, the feedback rating scales do not objectively express the level of user satisfaction with sentences and comment paragraphs.

The Sentiment Analysis issues, particularly the Sentiment Analysis issues on movies dataset in the movie data domain, is very attractive to the research community in the world and in the country. Most linguistic sets and algorithms are built and experiment in many different languages such as English, Chinese, etc. However, for Vietnamese, not many linguistic sets have been built to serve the research community. Therefore, we decide to build a standard sentence-level linguistic dataset for Vietnamese to serve this issue and install a system using SVM to automatically analyze the comment.

Consequently, a number of systems have also been built to analyze user comments. But, there are no systems analysts in the movies on Vietnamese language. Objectives and Scope 1. Objectives The most important audience in this thesis is user reviews.

These reviews are exploited from user feedback on CGV Vietnamese fanpage about movies. This is the basis for building and developing datasets for the issues in this thesis. In recent years, with the strong and rapid growth of the Internet and the need to consult the feedback of previous customers as the demand for entertainment of young people is increasing. Therefore, websites are now being developed to allow users to share experiences, reviews, comments and feedback on different types of services and movies from cinemas.

When users decide to go to a certain movie, they not only consider information about the actor, trailer, and director, but also tend to be interested in the feedback of other users. In this thesis, we focus on researching and implementing traditional machine learning model Support Vector Machine and n-grams to solve the Sentiment Analysis issues on movies dataset. Scope The scope we research in this thesis is the user's review on CGV facebook about the movies. The thesis is at sentence level.

For our thesis, we perform 3 labels for sentiment analysis: negative, positive and neutral. Goals The scope we research in this thesis is the user's review on CGV facebook about the movies. e The thesis is at sentence level. e The algorithm is used: SVM, n-grams In this thesis, we research, study and solve four main goals as follows: e@ We set a standard of building a target of Vietnamese language on the sentence level for domain data movies and solving the issues of sentiment analysis.

e Build the dataset at the sentence level for the dataset movie. e Preprocessing data and data mining in movies domain. e@ We implement, test, and compare different approaches to solving issues based on traditional SVM machine learning and n-grams feature extraction. Results From the researches in the thesis, I have achieved the following results: e Building a standard Vietnamese dataset with 5.194 sentences labeled for the issues of SA.

In which, there are 324 sentences with negative sentences, positive is 544 sentences and neutral is 4. Then, we divide the data into 2: test dataset and training dataset with the corresponding ratio of 70-30 for research purposes. e Build a guideline for the labeling process. e Applying the SVM model will result in more than 60%.

We achieved results with the SVM method and 2-grams of 92. Thesis Structure This thesis is divided into 6 chapters as follows: e Chapter 1: Introduction. Thesis chapter presents reasons for choosing the thesis, our objectives, scope, our contributions in this attempt, and the issues analysis ment are also written in part.

Nội dung được bảo vệ bản quyền — Tải xuống đầy đủ