Chương 1 TỔNG QUAN VỀ CÁC KỸ THUẬT PHÂN TÍCH TÌNH CẢM Chương này trình bày tổng quan về các kỹ thuật phân tích tình cảm hay khai phá quan điểm, phát biểu các bài toán: phân loại tính chủ quan, phân loại tình cảm/quan điểm, phân tích tình cảm/quan điểm theo khía cạnh và các nội dung nghiên cứu liên quan. Luận án tiến hành phân tích và đánh giá các vấn đề đang được nghiên cứu, nêu ra những tồn tại cần tập trung giải quyết và xác định nội dung nghiên cứu của luận án. Phân tích tình cảm và khai phá quan điểm 1. Giới thiệu Phân tích tình cảm hay khai phá quan điểm là các phương pháp, kỹ thuật và công cụ để phát hiện và trích xuất thông tin chủ quan như ý kiến, đánh giá, thái độ, cảm xúc, v.
Theo truyền thống, nhiệm vụ của phân tích tình cảm hay khai phá quan điểm là phân tích các thể hiện tình cảm, quan điểm của một người/tổ chức theo các mức độ phân cực (tích cực, tiêu cực hay trung lập hoặc các thứ hạng) về một thực thể mục tiêu xác định. Ban đầu, đối tượng của phân tích tình cảm là sản phẩm hoặc dịch vụ đươc đánh giá công khai trên Internet, sau đó được mở rộng cho các đối tượng trong các lĩnh vực khác như kinh tế, chính trị, xã hội, truyền thông, khoa học, văn học, nghệ thuật, v. 12 Trong nhiều nghiên cứu, phân tích tình cảm và khai phá quan điểm thường được sử dụng cùng một ý nghĩa. Một số các tên gọi khác được sử dụng cho bài toán này như: phân tích quan điểm (opinion analysis), trích chọn quan điểm (opinion extraction), khai phá tình cảm (sentiment mining), phân tích cảm xúc (emotion analysis), và phân tích đánh giá (review mining) [41].
Trong nghiên cứu [47] về các bài báo có liên quan đến lĩnh vực này, với gần 7000 bài báo trên Google Scholar và Scopus thì từ khóa ”phân tích tình cảm” xuất hiện trong công cụ tìm kiếm chiếm tới 68.5% và ”khai phá quan điểm” chiếm 29. Trong luận án này, tác giả sử dụng thuật ngữ ”phân tích tình cảm” và ”khai phá quan điểm” là tương đương. Nghiên cứu về phân tích tình cảm, khai phá quan điểm trên thế giới và trong nước Những nghiên cứu đầu tiên để phân tích tình cảm hay khai phá quan điểm đã được thực hiện từ rất sớm: trong [67] phát hiện bất đồng chính kiến nội bộ vào thời Hy Lạp cổ đại; tác giả trong [23] giới thiệu phương pháp trích xuất quan điểm dư luận bằng cách định lượng và tính toán từ câu hỏi. Nghiên cứu[76], đề xuất phương pháp đo mức độ thể hiện tình cảm/quan điểm công chúng trong chính trị ở Athens trong thế kỷ 5 trước công nguyên bằng bỏ phiếu.
Tạp chí khoa học đầu tiên về quan điểm công chúng đã được thành lập từ năm 1937 và vẫn được phát hành cho đến ngày nay1. Phân tích tình cảm là một trong những lĩnh vực đã và đang thu hút sự quan tâm chú ý của nhiều nhà nghiên cứu. Đây là lĩnh vực giao thoa giữa học máy và xử lý ngôn ngữ tự nhiên cho nên số lượng bài báo được công bố gia tăng hàng năm một cách đáng kể. Theo phân tích trong [47] trong số gần 7000 bài báo về chủ đề này được xuất bản thì có đến 99% xuất hiện sau năm 2004.
Những nghiên cứu đầu tiên về tình cảm/quan điểm của công chúng đối với các vấn đề chính trị trong và sau chiến tranh thế giới lần thứ hai. Cho đến giữa những năm 2000, phân tích tình cảm/quan điểm đối với các đối tượng được bình luận và đánh giá trong cuộc sống hiện đại thực sự bùng phát với những nghiên cứu ban đầu về đánh giá các sản phẩm, dịch vụ trên Web [57], [41], [47]. Tiếp theo đó, phân tích tình cảm/quan điểm đã được mở rộng sang nhiều lĩnh vực khác. 1 link=https://academic.com/poq 13 Một số bài toán được nghiên cứu trong phân tích tình cảm/quan điểm như: dự đoán thị trường tài chính [21], [25], v.; phân tích tình cảm của dư luận xã hội trong bầu cử chính trị và các tác động của nó đến kết quả bầu cử và ảnh hưởng đến kinh tế xã hội với phần lớn được thực hiện trên dữ liệu Twitter[55], [12].
Trong phân tích tâm lý người dùng [48] đánh giá sản phẩm đẳng cấp của các thương gia; Trong [29] nghiên cứu các mối quan hệ giữa các dòng cá cược bóng đá quốc gia và ý kiến công khai trên các blog và Twitter. Phân tích luồng cảm xúc trong các mạng xã hội, nghiên cứu [49] khai thác những cảm xúc trong các tiểu thuyết và truyện cổ tích; trong [71] nghiên cứu ảnh hưởng xã hội trong đánh giá sách trực tuyến; các tác giả trong [27] phân tích tâm lý để mô tả các mối quan hệ xã hội. Hơn nữa, phân tích tình cảm không chỉ là các phát hiện phân cực đơn giản mà còn nghiên cứu hướng dần đến phân tích các sắc thái phức tạp hơn của cảm xúc và những cảm xúc tiêu cực khác nhau như giận dữ và đau buồn[14]. Ngôn ngữ dữ liệu ban đầu trong phân tích tính cảm tập trung chủ yếu là tiếng Anh, sau đó được mở rộng cho một số ngôn ngữ phổ biến khác như tiếng Trung Quốc [86], [92], Tiếng Nhật [52], Tiếng Ả rập [1]), tiếng Urdu [51], v.
Ở Việt Nam, các nghiên cứu và ứng dụng của phân tích tình cảm cho ngôn ngữ tiếng Việt đã và đang thu hút được sự quan tâm rộng rãi của cộng đồng nghiên cứu và ứng dụng công nghiệp trong khoảng một thập niên trở lại đây. Ngày càng nhiều các nhóm nghiên cứu về xử lý ngôn ngữ tự nhiên tại các trường đại học, học viện lớn trong cả nước đã và đang phát triển các phương pháp trong lĩnh vực này với các bài toán liên quan. Những phương pháp được giới thiệu đầu tiên chủ yếu tập trung vào phân tích các đánh giá về sản phẩm kỹ thuật và dịch vụ du lịch trên Web. Trong [35] đã đề xuất một phương pháp dựa trên luật để xây dựng đánh giá tự động ý kiến của người dùng ở mức câu.
Hệ thống phân loại dựa trên luật theo khung làm việc GATE ( GATE framework) và thực hiện trên các đánh giá sản phẩm máy tính. Đây có thể coi là một trong những nghiên cứu đầu tiên cho phân loại quan điểm mức câu trong tiếng Việt. Trong nghiên cứu [60] giới thiệu phương pháp nhóm các đặc trưng đồng nghĩa (synonym features) trong các bài bình luận về sản phẩm điện thoại di động tiếng Việt dựa trên phân loại bán giám sát SVM-kNN và phân cụm HAC (phục vụ cho bài toán khai phá quan điểm dựa trên các đặc trưng và tóm tắt cho các bài đánh giá). Các tác giả trong [85], [28] giới thiệu mô hình khai phá quan điểm dựa trên các đặc trưng và tóm tắt quan điểm (Feature-based opinion mining and summarizing - 14 FOMS) cho các bài đánh giá về điện thoại di động tiếng Việt.
Trong đó, các từ đặc trưng và các từ quan điểm được trích xuất dựa trên một số luật ngữ pháp tiếng Việt. Các từ đặc trưng này được phân loại theo nhóm bằng phân loại bán giám sát SVM-KNN, định hướng và tóm tắt quan điểm được quyết định dựa vào việc sử dụng từ điển tình cảm tiếng Việt (VietSentiWordNet). Họ cũng đã mở rộng VietSentiWordNet từ 977 đến 9333 tập từ đồng nghĩa. Đây là đóng góp có ý nghĩa thực tiễn trong việc phát triển cơ sở dữ liệu ứng dụng cho các bài toán phân tích tình cảm tiếng Việt.
Một số tiếp cận được thực hiện dựa trên các phương pháp học có giám sát đã được giới thiệu bởi các nhóm nghiên cứu. Trong [24] giới thiệu phương pháp phân lớp quan điểm tiếng Việt dựa trên các phương pháp học máy thực hiện trên dữ liệu đánh giá về khách sạn tiếng Việt. Trong các nghiên cứu [8], [9] đề xuất một cải tiến cho phân loại tình cảm/quan điểm dựa trên kỹ thuật chọn đặc trưng (Term feature selection approach) để làm tăng hiệu quả khi áp dụng các phương pháp phân loại văn bản như Cây quyết định (Decision Tree), phân loại Naive Bayes (NB), và máy véc-tơ hỗ trợ (Suport Vector Machine, SVM). Trong [83] giới thiệu một mô hình mới dựa trên xử lý phân cấp Dirichlet (Hierarchical Dirichlet Process, HDP) và sự kết hợp giữa SVM và phương pháp dựa trên từ vựng cho bài toán phân loại văn bản quan điểm tiếng Việt; nghiên cứu [46] giới thiệu lược đồ gán nhãn tuần tự (sequence-labeling scheme) kết hợp với mạng nơ-ron hồi quy hai chiều (Bidirectional Recurrent Neural Networks - BRNN) và trường ngẫu nhiên có điều kiện (Conditional Random Fields - CRFs) để trích xuất các mục tiêu tình cảm/quan điểm và phát hiện tình cảm/quan điểm.
Họ cũng thu thập và xây dựng bộ dữ liệu phân tích tình cảm/quan điểm theo khía cạnh (Aspect Based Sentiment Analysis - ABSA) tiếng Việt đánh giá về điện thoại thông minh và thử nghiệm kiến trúc BRNN-CRF trên bộ dữ liệu này cho kết quả vượt trội so với CRF trên các đặc trưng được thiết kế bằng tay. Thien Tran và Tuoi Phan đã đề xuất một số phương pháp nhằm xây dựng cách tính toán mức phân cực cho các cụm từ thể hiện quan điểm và xây dựng bộ từ điển cảm xúc tiếng Việt. Họ đề xuất một phương pháp hiệu quả để tính mức độ phân cực tình cảm của các cụm tính từ và cụm động từ tiếng Việt [80], [79]. Trong [78], họ xây dựng bộ từ điển tình cảm cho tiếng Việt, được gọi là VNSD, sử dụng dịch máy, hồi quy logistic, lan truyền kép (Double Propagation) và luật mờ.
Đây là đóng góp có ý nghĩa trong khai thác các đặc điểm ngôn ngữ để đề xuất các quy tắc phù hợp để tính điểm số tình cảm/quan điểm của các cụm từ văn bản tiếng Việt. Công việc này có thể là nền tảng cho các nghiên cứu tiếp 15 theo cho phân tích tình cảm tiếng Việt. Một số phương pháp học sâu gần đây cũng được áp dụng cho phân tích tình cảm tiếng Việt. Trong [54] đã tiến hành thử nghiệm phân tích tình cảm tiếng Việt với mô hình mạng LSTM, Dependency Tree-LSTM và SVM cho dữ liệu phản hồi sinh viên với kết quả tốt nhất về hiệu năng là mô hình LSTM.
Từ năm 2016, 2018 cộng đồng Xử lý tiếng nói và xử lý ngôn ngữ tiếng Việt (VLSP) tổ chức cuộc thi về phân tích tình cảm tiếng việt (Sentiment Analysis for Vietnamese Language) đã thu hút được sự quan tâm và tham gia của nhiều nhà nghiên cứu. Nhiệm vụ của cuộc thi này là thực hiện phân loại phân cực (Polarity Classification) tài liệu quan điểm tiếng Việt thành một trong ba loại: tích cực, tiêu cực, hay trung lập nhằm khuyến khích phát triển các hệ thống phân tích tình cảm/quan điểm tiếng Việt có độ chính xác cao.