Khóa luận tốt nghiệp: Phát hiện bình luận xúc phạm ngôn ngữ tiếng Việt trên mạng xã hội

• Tác giả: Võ Hồng Phúc Hạnh
• Người hướng dẫn: TS. Đỗ Trọng Hợp
• Trường học: Đại học Quốc gia TP. Hồ Chí Minh - Trường Đại học Công nghệ Thông tin
• Chuyên ngành: Khoa học dữ liệu
• Đề tài: Phát hiện bình luận xúc phạm ngôn ngữ tiếng Việt trên mạng xã hội trong dữ liệu trực tuyến
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2021
• Địa điểm: TP. Hồ Chí Minh

• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN ĐỀ TÀI
• 1.1. Lý do chọn đề tài
• 1.2. Phương pháp
• 1.3. Cấu trúc khóa luận
• 2. CHƯƠNG 2: KIẾN THỨC TỔNG QUÁT
• 2.1. Bài toán phát hiện bình luận xúc phạm
• 2.2. Mô hình phân loại văn bản
• 2.2.1. Mô hình transfer learning
• 2.2.2. Mô hình học máy truyền thống
• 2.2.2.1. Trích xuất đặc trưng TF-IDF
• 2.2.2.2. Máy véc-tơ hỗ trợ (Support Vector Machine)
• 2.2.2.3. Hồi quy logistic (Logistic Regression)
• 2.2.2.4. Phân loại Ridge (Classifier Ridge)
• 2.2.3. Mô hình học sâu
• 2.2.3.1. Nhúng từ (Word embedding)
• 3. CHƯƠNG 3: PHÁT TRIỂN MÔ HÌNH HSD
• 3.1. Môi trường triển khai
• 3.2. Bộ dữ liệu
• 3.3. Đặc trưng của dữ liệu văn bản trên mạng xã hội
• 3.4. Kết quả thực nghiệm
• 3.5. Phân tích lỗi
• 4. CHƯƠNG 4: PHÂN TÍCH ẢNH HƯỞNG CỦA TIỀN XỬ LÝ TRONG HSD
• 4.1. Xác định yếu tố chính
• 4.2. Xây dựng kịch bản thí nghiệm
• 4.3. Thực nghiệm trên các bộ dữ liệu
• 4.4. Thu thập kết quả
• 4.5. Phân tích kết quả
• 5. CHƯƠNG 5: XÂY DỰNG MÔ HÌNH REAL-TIME HSD
• 5.1. Tổng quan mô hình
• 5.2. Thu thập, tiền xử lý và phát hiện bình luận xúc phạm
• 5.3. Stream processing kết hợp phân tích dữ liệu
• 5.4. Vai trò của Apache Kafka
• 5.5. Kết quả thực nghiệm mô hình
• 5.6. Môi trường triển khai
• 6. CHƯƠNG 6: TỔNG KẾT
• 6.1. Kết quả
• DANH MỤC HÌNH
• DANH MỤC BẢNG
• DANH MỤC TỪ VIẾT TẮT
• TÓM TẮT KHÓA LUẬN

I. Bình luận xúc phạm trên mạng xã hội

Bình luận xúc phạm là một vấn đề nghiêm trọng trên các nền tảng mạng xã hội, đặc biệt là trong bối cảnh ngôn ngữ tiếng Việt. Những bình luận này không chỉ ảnh hưởng đến tâm lý người dùng mà còn gây ra những hệ lụy tiêu cực trong đời sống thực. Xúc phạm tiếng Việt trên mạng xã hội thường xuất hiện dưới nhiều hình thức, từ ngôn từ thô tục đến những lời lẽ mang tính công kích cá nhân. Việc phát hiện bình luận xúc phạm kịp thời là cần thiết để bảo vệ người dùng và duy trì môi trường mạng lành mạnh.

1.1. Đặc điểm của bình luận xúc phạm

Bình luận trên mạng xã hội thường mang tính tự phát và đa dạng về ngôn ngữ. Nội dung xúc phạm có thể được biểu đạt qua từ ngữ, biểu tượng, hoặc ngữ cảnh. Đặc biệt, ngôn ngữ trên mạng tiếng Việt thường sử dụng teencode, từ viết tắt, và tiếng lóng, làm tăng độ phức tạp trong việc nhận diện. Quản lý bình luận hiệu quả đòi hỏi sự kết hợp giữa công nghệ và chính sách pháp luật.

1.2. Tác động của bình luận xúc phạm

Bảo vệ người dùng là mục tiêu hàng đầu trong việc kiểm soát nội dung xúc phạm. Những bình luận tiêu cực có thể dẫn đến xung đột, ảnh hưởng đến danh tiếng cá nhân và doanh nghiệp. Pháp luật về bình luận cần được áp dụng nghiêm ngặt để răn đe và xử lý các hành vi vi phạm.

II. Phát hiện bình luận xúc phạm

Phát hiện bình luận xúc phạm là một bài toán phức tạp trong lĩnh vực xử lý ngôn ngữ tự nhiên. Đặc biệt, xúc phạm tiếng Việt đòi hỏi các mô hình học máy và học sâu được huấn luyện trên bộ dữ liệu đặc thù. Kiểm soát nội dung tự động giúp giảm thiểu sự can thiệp thủ công và tăng hiệu quả quản lý.

2.1. Mô hình học máy truyền thống

Các mô hình như Support Vector Machine (SVM) và Logistic Regression (LR) được sử dụng để phân loại bình luận. Trích xuất đặc trưng bằng TF-IDF giúp xác định từ khóa quan trọng trong văn bản. Tuy nhiên, các mô hình này thường gặp hạn chế khi xử lý ngôn ngữ phức tạp như tiếng Việt.

2.2. Mô hình học sâu

Các mô hình học sâu như Long Short Term Memory (LSTM) và Convolutional Neural Networks (CNN) được áp dụng để cải thiện độ chính xác. Word embedding giúp biểu diễn từ ngữ trong không gian đa chiều, phản ánh ngữ nghĩa và ngữ cảnh. PhoBERT, một mô hình tiền huấn luyện cho tiếng Việt, cho kết quả vượt trội trong việc phát hiện bình luận xúc phạm.

III. Quản lý và kiểm soát nội dung

Quản lý bình luận trên mạng xã hội đòi hỏi sự kết hợp giữa công nghệ và chính sách. Kiểm soát nội dung tự động giúp lọc và xử lý bình luận xúc phạm kịp thời. Bảo vệ người dùng là mục tiêu chính, đảm bảo môi trường mạng an toàn và lành mạnh.

3.1. Công nghệ xử lý thời gian thực

Các nền tảng như Apache Kafka và Apache Spark được sử dụng để xử lý dữ liệu streaming. Phát hiện bình luận theo thời gian thực giúp ngăn chặn các cuộc tranh cãi và xung đột ngay từ đầu.

3.2. Chính sách và pháp luật

Pháp luật về bình luận cần được cập nhật và áp dụng nghiêm ngặt. Các quy định rõ ràng giúp răn đe hành vi xúc phạm và bảo vệ quyền lợi người dùng. Nội dung xúc phạm cần được xử lý kịp thời để tránh lan rộng.