CHƯƠNG 1 – TỔNG QUAN VỀ PHÂN TÍCH QUAN ĐIỂM Sự tăng trưởng nhanh chóng của các trang web trong những năm qua làm cho Web trở thành nguồn dữ liệu truy cập công cộng lớn nhất trên thế giới. Khai thác Web nhằm phát hiện tối đa và triệt để các thông tin hữu ích hoặc kiến thức từ các liên kết web, nội dung trang, và nhật ký sử dụng. Căn cứ vào các loại chính của dữ liệu được sử dụng trong quá trình khai thác, nhiệm vụ khai thác web có thể được phân loại thành ba loại chính: khai thác cấu trúc Web, khai thác sử dụng Web và khai thác nội dung Web. Khai thác cấu trúc web phát hiện ra kiến thức từ các siêu liên kết, đại diện cho cấu trúc của trang web.
Khai thác sử dụng Web nhằm tìm kiếm thói quen người dùng từ nhật ký sử dụng. Khai thác nội dung web chiết xuất thông tin/kiến thức hữu ích từ nội dung trang web. Web chứa một lượng lớn thông tin trong các văn bản phi cấu trúc. Việc phân tích những văn bản này là rất quan trọng, đem lại khối lượng lớn các thông tin có giá trị.
Nhiệm vụ phân tích không chỉ là thách thức kỹ thuật vì cần phải xử lý ngôn ngữ tự nhiên, mà còn rất hữu ích trong thực tế. Từ những năm 1950, các phương pháp phân tích quan điểm sơ khởi đã được thực hiện trên tài liệu giấy, thường là ý kiến về sản phẩm và đánh giá phim ảnh. Cùng với sự phát triển của các phương tiện truyền thông và internet, công chúng đã có thể dễ dàng bày tỏ quan điểm hơn và quan điểm có thể đo đếm được. Ví dụ, các doanh nghiệp luôn muốn tìm hiểu dư luận xã hội hoặc ý kiến người tiêu dùng về sản phẩm và dịch vụ của họ.
Khách hàng tiềm năng cũng muốn biết ý kiến của người dùng hiện tại trước khi họ sử dụng dịch vụ hay mua một sản phẩm. Phân tích quan điểm cũng có thể cung cấp thông tin có giá trị cho việc đặt quảng cáo tại các trang web. Nếu trong một trang, người dùng bày tỏ quan điểm hay những cảm xúc tích cực về một sản phẩm, thì đó có thể là một gợi ý tốt để đặt quảng cáo của chính sản phẩm đó. Tuy nhiên, nếu mọi người bày tỏ ý kiến tiêu cực về sản phẩm, thì việc đặt quảng cáo của sản phẩm đó cần phải xem xét lại.
Hoặc tốt hơn hết là có thể đặt quảng cáo sản phẩm của đối thủ cạnh tranh. Web đã thay đổi đáng kể cách thức mà mọi người bày tỏ quan điểm của mình. Họ có thể gửi ý kiến về các sản phẩm tại các trang web của người bán và bày tỏ quan điểm của họ về bất cứ điều gì trong các diễn đàn, các nhóm thảo luận, blog,…v., mà ta thường gọi là người dùng tạo ra nội dung hoặc người dùng tạo ra phương tiện truyền thông. Hành vi này cung cấp các nguồn thông tin mới và đo lường được với nhiều ứng dụng thực tế.
Các kỹ thuật hiện đang được phát triển để khai thác các nguồn đó để giúp các doanh nghiệp, cá nhân có được thông tin đó một cách hiệu quả và dễ dàng. Ta có thể hiểu đơn giản rằng, quan điểm là những ý kiến đánh giá mang tính tích cực, tiêu cực hoặc trung lập dưới cấp độ tài liệu, các câu hay thực thể và đặc trưng của TIEU LUAN MOI download : skknchat@gmail.com 11 chúng. Mục đích của phân tích quan điểm là xác định thái độ và khuynh hướng của một đối tượng truyền thông, thông qua sự phân cực theo ngữ cảnh của những gì đối tượng đó nói hoặc viết. Thái độ của đối tượng có thể được phản ánh trong các bài đánh giá của chính họ, những trạng thái cảm xúc của chủ thể hoặc trạng thái của các giao tiếp mà họ sử dụng để tạo ra sự ảnh hưởng đến người đọc hoặc người nghe.
Trong chương này chúng tôi tập trung tìm hiểu ba nhiệm vụ của phân tích quan điểm, các bài toán áp dụng cũng như ưu nhược điểm của từng phương pháp được sử dụng theo các nghiên cứu trong [1]: - Phân lớp quan điểm: Nhiệm vụ này coi việc phân tích quan điểm là vấn đề của khai phá văn bản. Nó phân loại một văn bản cần đánh giá là tích cực hay tiêu cực. Ví dụ, đưa ra một đánh giá về sản phẩm, hệ thống sẽ xác định liệu các đánh giá thể hiện quan điểm tích cực hay tiêu cực của người đánh giá. Việc phân loại thường ở cấp độ tài liệu (document-level).
Không khám phá chi tiết về những gì mọi người thích hay không thích. - Phân tích quan điểm dựa trên đặc trưng và tổng hợp ý kiến: Nhiệm vụ này đi đến cấp độ câu(sentence-level) để khai phá các chi tiết, ví dụ, những khía cạnh nào của một đối tượng mà mọi người thích hay không thích. Các đối tượng có thể là một sản phẩm, một dịch vụ, một chủ đề, một cá nhân, một tổ chức, …v. Ví dụ, trong một đánh giá, hệ thống cần đưa ra các tính năng của sản phẩm đã được nhận xét bởi người đánh giá và xem ý kiến về từng tính năng đó là tích cực hay tiêu cực.
Trong câu, “This camera size is too big,” đưa ra nhận xét về “size” và có ý kiến tiêu cực. Một bản tóm tắt có cấu trúc cũng sẽ được tổng hợp ra từ kết quả phân tích. - Khai phá câu so sánh câu và mối quan hệ: So sánh là một dạng khác của việc đánh giá, bằng việc so sánh trực tiếp một đối tượng đối với một hoặc nhiều đối tượng tương tự khác. Ví dụ, các câu sau đây so sánh hai máy ảnh: “Camera A is cheaper than camera B”.
Ta sẽ xác định câu so sánh và trích xuất các mối quan hệ so sánh thể hiện trong đó.1 Phân lớp quan điểm Cho một tập các văn bản cần đánh giá D, bộ phân lớp quan điểm phân loại mỗi tài liệu d D vào một trong hai lớp, tích cực và tiêu cực. Tích cực có nghĩa là d thể hiện một quan điểm tích cực. Tiêu cực có nghĩa là d thể hiện một ý kiến tiêu cực. Ví dụ, đưa ra một số ý kiến về một bộ phim, hệ thống phân loại chúng thành các đánh giá tích cực và đánh giá tiêu cực.
TIEU LUAN MOI download : skknchat@gmail.com 12 Ứng dụng chính của phân lớp quan điểm là đưa ra một quyết định nhanh chóng dựa trên các quan điểm hiện có về một đối tượng. Nhiệm vụ tuy là tương tự với các ứng dụng phân loại văn bản dựa trên chủ đề kinh điển nhưng cũng có điểm khác, trong đó phân loại tài liệu vào các lớp chủ đề được xác định trước, ví dụ như, chính trị, khoa học, thể thao, …v. Trong phân loại dựa trên chủ đề, các từ liên quan đến chủ đề rất quan trọng. Tuy nhiên, trong phân lớp quan điểm, các từ liên quan đến chủ đề là không quan trọng.
Thay vào đó là các từ mang tính biểu cảm những ý kiến tích cực hay tiêu cực mới thực sự là yếu tố là quan trọng, ví dụ như: great, excellent, amazing, horrible, bad, worst, …v. Các nghiên cứu hiện có ở mảng này chủ yếu là ở cấp độ tài liệu, ví dụ, để phân loại từng tài liệu là tích cực hay tiêu cực (trong một số trường hợp, lớp trung lập cũng được sử dụng). Người ta cũng có thể mở rộng phân loại như vậy đến cấp độ câu, nghĩa là, để phân loại các câu xem thể hiện một quan điểm tích cực, tiêu cực hoặc trung lập. Chúng ta sẽ tìm hiểu về một số phương pháp dưới đây.1 Phân lớp dựa trên cụm từ thể hiện quan điểm Phương pháp này thực hiện phân lớp dựa trên những từ và cụm từ thể hiện quan điểm tích cực và tiêu cực trong văn bản cần đánh giá.
Các thuật toán được mô tả ở đây dựa trên nghiên cứu của Turney [2], được thiết kế để phân loại các đánh giá của khách hàng. Thuật toán này sử dụng kỹ thuật xử lý ngôn ngữ tự nhiên là gán thẻ từ loại (part-of- speech tagging – POS tagging). Từ loại của một từ là phân loại theo ngôn ngữ học được định nghĩa bởi hành vi cú pháp hoặc hình thái từ của nó. Các loại thẻ từ loại thường gặp trong ngữ pháp tiếng Anh là: noun (danh từ), verb (động từ), adjective (tính từ), adverb (trạng từ), pronoun (đại từ), preposition (giới từ), conjunction (liên từ) và interjection (thán từ).
Từ đó, có rất nhiều loại phát sinh từ các hình thức khác nhau của các loại này. Ví dụ, một động từ có thể là một động từ ở dạng nguyên thể, hay dạng quá khứ, …v. Gán thẻ từ loại là việc gán cho mỗi từ trong một câu với một từ loại thích hợp. Nghiên cứu của Santorini [3] trình bày chi tiết về gán thẻ từ loại theo chuẩn Penn Treebank, được thể hiện trong bảng 1.1: Thẻ từ loại theo chuẩn Penn Treebank Thẻ Diễn giải Thẻ Diễn giải CC Coordinating conjunction PRP$ Possessive pronoun CD Cardinal number RB Adverb TIEU LUAN MOI download : skknchat@gmail.com 13 Thẻ Diễn giải Thẻ Diễn giải DT Determiner RBR Adverb, comparative EX Existential there RBS Adverb, superlative FW Foreign word RP Particle Preposition or subordinating IN conjunction SYM Symbol JJ Adjective TO To JJR Adjective, comparative UH Interjection JJS Adjective, superlative VB Verb, base form LS List item marker VBD Verb, past tense Verb, gerund or present MD Modal VBG participle NN Noun, singular or mass VBN Verb, past participle Verb, non-3rd person singular NNS Noun, plural VBP present Verb, 3rd person singular NNP Proper noun, singular VBZ present NNPS Proper noun, plural WDT Wh-determiner PDT Predeterminer WP Wh-pronoun POS Possessive ending WP$ Possessive wh-pronoun PRP Personal pronoun WRB Wh-adverb TIEU LUAN MOI download : skknchat@gmail.com 14 Thuật toán gồm 3 bước: - Bước 1: Thực hiện trích rút các cụm từ có chứa tính từ hay trạng từ.
Lý do cho việc này là các nghiên cứu đã chỉ ra rằng tính từ và trạng từ là những từ chỉ thị tốt về tính chủ quan và quan điểm. Tuy nhiên, mặc dù một tính từ biệt lập có thể chỉ ra tính chủ quan, nhưng có thể bối cảnh không đủ để xác định định hướng về ngữ nghĩa (hoặc quan điểm) của nó. Ví dụ, tính từ “unpredictable” (khó lường)" có thể có một định hướng tiêu cực trong đánh giá về ô tô, trong một cụm từ như “unpredictable steering” (tay lái khó kiểm soát), nhưng nó có thể có một định hướng tích cực trong đánh giá về một bộ phim, trong một cụm từ như “unpredictable plot” (cốt chuyện phim không thể đoán trước được). Do đó, các thuật toán trích xuất hai từ liên tiếp, trong đó một từ là một tính từ/trạng từ và từ kia là một từ thể hiện ngữ cảnh.