Luận văn thạc sĩ xây dựng mô hình phân tích cảm xúc người dùng đánh giá sản phẩm bằng phương pháp phân tích từ vựng kết hợp với học máy

Luận văn thạc sĩ xây dựng mô hình phân tích cảm xúc người dùng đánh giá sản phẩm, kết hợp phương pháp phân tích từ vựng và học máy hiệu quả.

• Tác giả: Võ Lê Minh
• Người hướng dẫn: TS. Hồ Văn Lâm
• Trường học: Đại học Quy Nhơn
• Chuyên ngành: Khoa học máy tính
• Đề tài: Xây dựng mô hình phân tích cảm xúc người dùng đánh giá sản phẩm bằng phương pháp phân tích từ vựng kết hợp với học máy
• Loại tài liệu: luận văn thạc sĩ
• Năm xuất bản: 2021
• Địa điểm: Bình Định

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. MỞ ĐẦU
• 1.1. TỔNG QUAN VỀ ĐỀ TÀI
• 1.2. Tổng quan đề tài
• 1.3. Phát biểu bài toán
• 1.4. Mục tiêu của đề tài
• 1.5. Mô hình tổng quan
• 1.6. Tổng quan tình hình nghiên cứu trong nƣớc và trên thế giới
• 1.7. Bố cục luận văn
• 1.8. Bộ từ điển cảm xúc SO-CAL tiếng Anh
• 1.9. Phƣơng pháp phân loại chủ quan
• 1.10. Câu có từ hàm chứa cảm xúc
• 1.11. Các trƣờng hợp ngoại lệ
• 1.12. Phƣơng pháp phân loại cảm xúc
• 1.13. Giá trị cảm xúc của câu phụ thuộc vào từ hàm chứa cảm xúc
• 1.14. Giá trị cảm xúc của câu phụ thuộc vào từ tăng cƣờng
• 1.15. Giá trị cảm xúc của câu phụ thuộc vào từ phủ định
• 1.16. Giá trị cảm xúc của câu phụ thuộc vào từ khiếm khuyết
• 1.17. Giá trị cảm xúc của câu có xu hƣớng tích cực
• 1.18. Phƣơng pháp phân lớp Support Vector Machine (SVM)
• 2. XÂY DỰNG HỆ THỐNG THỬ NGHIỆM
• 2.1. Bộ từ điển cảm xúc SO-CAL tiếng Việt
• 2.2. Thu thập dữ liệu
• 2.3. Tiền xử lý dữ liệu và rút trích đặc trƣng
• 2.4. Bộ dữ liệu huấn luyện
• 2.5. Gán nhãn câu bằng tay
• 2.6. Mô tả bộ dữ liệu huấn luyện
• 2.7. Phƣơng pháp phân loại chủ quan
• 2.8. Phƣơng pháp phân loại cảm xúc
• 2.9. Giao diện hệ thống thực nghiệm
• 3. KẾT QUẢ THỬ NGHIỆM
• 3.1. Bộ dữ liệu thử nghiệm
• 3.2. Kết quả đánh giá phƣơng pháp phân loại chủ quan
• 3.3. Kết quả đánh giá phƣơng pháp phân loại cảm xúc
• 3.4. Kết quả phân tích bình luận của khách tham quan tại trung tâm khám phá khoa học
• 4. KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN
• 4.1. Kết quả đạt đƣợc
• 4.2. Hƣớng phát triển
• DANH MỤC TÀI LIỆU THAM KHẢO
• PHỤ LỤC QUYẾT ĐỊNH GIAO ĐỀ TÀI LUẬN VĂN THẠC SĨ (BẢN SAO)

Tóm tắt

I. Tổng quan về đề tài

Đề tài 'Xây dựng mô hình phân tích cảm xúc người dùng đánh giá sản phẩm bằng AI và học máy' tập trung vào việc ứng dụng trí tuệ nhân tạo (AI) và học máy (Machine Learning) để phân tích cảm xúc từ các đánh giá sản phẩm của người dùng. Mục tiêu chính là xây dựng một mô hình phân tích hiệu quả, giúp doanh nghiệp hiểu rõ hơn về cảm xúc khách hàng thông qua dữ liệu người dùng từ các nền tảng mạng xã hội. Đề tài này đặc biệt quan trọng trong bối cảnh Big Data và xử lý ngôn ngữ tự nhiên (NLP) đang phát triển mạnh mẽ.

1.1 Phát biểu bài toán

Với sự bùng nổ của mạng xã hội, việc thu thập và phân tích đánh giá sản phẩm trở nên phức tạp do khối lượng dữ liệu lớn. Phân tích cảm xúc (Sentiment Analysis) giúp tự động hóa quá trình này, tiết kiệm thời gian và chi phí. Bài toán đặt ra là xây dựng một hệ thống AI có khả năng phân loại và đánh giá cảm xúc người dùng từ các bình luận tiếng Việt, một ngôn ngữ có đặc thù riêng so với tiếng Anh.

1.2 Mục tiêu của đề tài

Mục tiêu chính của đề tài là phát triển một mô hình học máy để phân tích cảm xúc khách hàng từ các đánh giá sản phẩm. Cụ thể, đề tài hướng đến việc thu thập dữ liệu người dùng, xây dựng bộ từ điển cảm xúc tiếng Việt, và áp dụng các phương pháp phân tích dữ liệu để đánh giá cảm xúc tích cực hoặc tiêu cực. Kết quả sẽ giúp doanh nghiệp cải thiện chất lượng sản phẩm dựa trên phản hồi người dùng.

II. Xây dựng mô hình phân tích cảm xúc

Để xây dựng mô hình phân tích cảm xúc, đề tài sử dụng phương pháp phân tích từ vựng kết hợp với học máy. Bước đầu tiên là xây dựng bộ từ điển cảm xúc tiếng Việt dựa trên bộ từ điển SO-CAL tiếng Anh. Sau đó, dữ liệu từ các bình luận người dùng được thu thập, tiền xử lý và phân tích để xác định cảm xúc tích cực hoặc tiêu cực. Mô hình này áp dụng các kỹ thuật NLP và học máy để đạt độ chính xác cao.

2.1 Thu thập và tiền xử lý dữ liệu

Dữ liệu được thu thập từ các bình luận người dùng trên mạng xã hội như Facebook. Quá trình tiền xử lý dữ liệu bao gồm việc chuẩn hóa văn bản, loại bỏ các ký tự không cần thiết, và chuyển đổi dữ liệu sang định dạng phù hợp cho phân tích cảm xúc. Đây là bước quan trọng để đảm bảo chất lượng đầu vào cho mô hình.

2.2 Xây dựng bộ từ điển cảm xúc

Bộ từ điển cảm xúc tiếng Việt được xây dựng dựa trên bộ từ điển SO-CAL tiếng Anh, bao gồm các từ danh từ, động từ, tính từ, và từ tăng cường. Mỗi từ được gán giá trị ngữ nghĩa (Semantic Orientation) để xác định mức độ tích cực hoặc tiêu cực. Bộ từ điển này là nền tảng cho việc phân tích cảm xúc trong các bình luận tiếng Việt.

III. Phân tích và đánh giá cảm xúc

Sau khi xây dựng bộ từ điển cảm xúc, đề tài tiến hành phân tích cảm xúc ở mức câu. Quá trình này bao gồm hai bước chính: phân loại chủ quan (xác định câu có chứa cảm xúc hay không) và phân loại cảm xúc (xác định câu tích cực hoặc tiêu cực). Các yếu tố như từ phủ định, từ tăng cường, và động từ khiếm khuyết được xem xét để đánh giá chính xác cảm xúc người dùng.

3.1 Phân loại chủ quan

Phân loại chủ quan nhằm xác định các câu có chứa cảm xúc từ các câu khách quan. Ví dụ, câu 'Iphone có thiết kế tốt' được xác định là câu chủ quan, trong khi câu 'Thiết kế của Iphone có tốt không?' là câu khách quan. Bước này giúp loại bỏ các câu không liên quan đến cảm xúc người dùng.

3.2 Phân loại cảm xúc

Sau khi xác định các câu chủ quan, mô hình tiến hành phân loại cảm xúc tích cực hoặc tiêu cực. Ví dụ, câu 'Đây là một bộ phim hay' được phân loại là tích cực, trong khi câu 'Đây là một bộ phim không hay' được phân loại là tiêu cực. Các yếu tố như từ phủ định và từ tăng cường được sử dụng để đánh giá chính xác mức độ cảm xúc.

IV. Kết quả và ứng dụng thực tiễn

Kết quả thử nghiệm cho thấy mô hình phân tích cảm xúc đạt độ chính xác cao trong việc phân loại cảm xúc người dùng. Mô hình này có thể ứng dụng trong nhiều lĩnh vực như marketing, quản lý sản phẩm, và nghiên cứu thị trường. Việc hiểu rõ cảm xúc khách hàng giúp doanh nghiệp cải thiện chất lượng sản phẩm và dịch vụ, từ đó tăng cường sự hài lòng của khách hàng.

4.1 Kết quả thử nghiệm

Kết quả thử nghiệm trên bộ dữ liệu tiếng Việt cho thấy mô hình đạt độ chính xác cao trong phân loại cảm xúc. Các phương pháp học máy như Support Vector Machine (SVM) được sử dụng để tối ưu hóa hiệu suất của mô hình. Kết quả này khẳng định tính khả thi của việc áp dụng AI và học máy trong phân tích cảm xúc tiếng Việt.

4.2 Ứng dụng thực tiễn

Mô hình này có thể được ứng dụng trong các doanh nghiệp để phân tích phản hồi người dùng về sản phẩm và dịch vụ. Ví dụ, các công ty có thể sử dụng mô hình để đánh giá cảm xúc khách hàng từ các bình luận trên mạng xã hội, từ đó đưa ra các chiến lược cải thiện sản phẩm phù hợp. Điều này giúp tăng cường sự hài lòng của khách hàng và nâng cao hiệu quả kinh doanh.

Nội dung chính

Tổng quan nghiên cứu

Trong bối cảnh mạng Internet và mạng xã hội phát triển mạnh mẽ, lượng dữ liệu bình luận, đánh giá sản phẩm từ người dùng ngày càng tăng nhanh, tạo ra nguồn thông tin quý giá phục vụ cho việc phân tích cảm xúc và đánh giá thái độ người tiêu dùng. Theo ước tính, hàng triệu bình luận tiếng Việt được tạo ra mỗi ngày trên các nền tảng như Facebook, VnExpress.net, CGV Cinemas Vietnam, Mann up,... Tuy nhiên, việc xử lý thủ công các bình luận này để rút ra nhận định chính xác về cảm xúc người dùng là không khả thi do tốn kém thời gian và chi phí. Do đó, việc xây dựng một mô hình tự động phân tích cảm xúc dựa trên ngôn ngữ tiếng Việt có ý nghĩa thiết thực và cấp thiết.

Mục tiêu nghiên cứu của luận văn là xây dựng mô hình phân tích cảm xúc người dùng đánh giá sản phẩm bằng phương pháp phân tích từ vựng kết hợp với học máy, áp dụng trên các bình luận tiếng Việt thu thập từ mạng xã hội Facebook. Phạm vi nghiên cứu tập trung vào phân tích cảm xúc ở mức câu, phân loại câu thành không có cảm xúc, có cảm xúc tích cực và có cảm xúc tiêu cực. Thời gian thu thập dữ liệu và thực hiện nghiên cứu là trong giai đoạn trước năm 2021 tại Việt Nam. Kết quả nghiên cứu góp phần nâng cao hiệu quả khai thác dữ liệu lớn (Big Data) trong lĩnh vực xử lý ngôn ngữ tự nhiên tiếng Việt, hỗ trợ doanh nghiệp và tổ chức trong việc đánh giá sản phẩm, cải thiện chất lượng dịch vụ dựa trên phản hồi thực tế của người dùng.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên các lý thuyết và mô hình sau:

• Bộ từ điển cảm xúc SO-CAL: Bộ từ điển SO-CAL tiếng Anh gồm khoảng 6600 từ được chia thành 5 nhóm từ điển nhỏ (danh từ, động từ, tính từ, trạng từ, từ tăng cường) với giá trị Semantic Orientation (SO) từ -5 đến +5, biểu thị mức độ tiêu cực đến tích cực. Luận văn đã dịch và xây dựng bộ từ điển SO-CAL tiếng Việt gồm 1544 danh từ, 1105 động từ, 2357 tính từ, 749 trạng từ và 185 từ tăng cường, giữ nguyên giá trị SO tương ứng.

• Phương pháp phân loại chủ quan: Xác định câu có chứa cảm xúc (chủ quan) hay không (khách quan) dựa trên sự xuất hiện của từ hàm chứa cảm xúc trong câu, đồng thời loại trừ các trường hợp ngoại lệ như câu nghi vấn, câu điều kiện và câu ngắn dưới 5 từ.

• Phương pháp phân loại cảm xúc: Tính toán giá trị cảm xúc của câu dựa trên tổng giá trị SO của các từ hàm chứa cảm xúc, điều chỉnh bởi các yếu tố như từ tăng cường (amplifiers, downtoners), từ phủ định (negation), từ khiếm khuyết (modal verbs) và xu hướng tích cực (tăng 50% giá trị từ tiêu cực). Ví dụ, câu "rất đẹp" có giá trị SO được nhân với hệ số tăng cường, còn câu "không tốt" có giá trị SO bị đảo dấu.

• Phương pháp phân lớp Support Vector Machine (SVM): Sử dụng thuật toán học máy SVM để phân loại câu dựa trên các đặc trưng rút trích từ dữ liệu đã tiền xử lý. SVM được lựa chọn vì khả năng phân lớp phi tuyến tính hiệu quả, tối ưu hóa khoảng cách biên giữa các lớp, và đã được ứng dụng thành công trong nhiều bài toán phân loại văn bản.

Phương pháp nghiên cứu

• Nguồn dữ liệu: Thu thập bình luận tiếng Việt về sản phẩm từ các trang mạng xã hội Facebook, bao gồm các fanpage như VnExpress.net, CGV Cinemas Vietnam, Mann up,... Dữ liệu được lấy thông qua Facebook Graph API phiên bản v2.2, định dạng JSON, với quyền truy cập được cấp qua ứng dụng riêng.

• Tiền xử lý dữ liệu: Chuyển đổi mã Unicode, loại bỏ stop words, biểu tượng cảm xúc, cắt câu, gán nhãn từ loại bằng thư viện vnTagger với độ chính xác khoảng 96%. Dữ liệu sau tiền xử lý được chuẩn hóa để phù hợp với phương pháp phân tích.

• Rút trích đặc trưng: Dựa trên bộ từ điển SO-CAL tiếng Việt và các quy tắc ngữ pháp tiếng Việt, rút trích các đặc trưng cảm xúc của từng câu, bao gồm từ hàm chứa cảm xúc, từ tăng cường, từ phủ định, từ khiếm khuyết.

• Gán nhãn dữ liệu huấn luyện: Thực hiện thủ công gán nhãn câu theo hai lớp chủ quan/khách quan và ba lớp cảm xúc (không cảm xúc, tích cực, tiêu cực) để tạo bộ dữ liệu huấn luyện cho mô hình SVM.

• Phân tích và đánh giá: Áp dụng mô hình SVM để phân loại câu, đánh giá độ chính xác phân loại chủ quan và phân loại cảm xúc dựa trên bộ dữ liệu thử nghiệm. Quá trình nghiên cứu diễn ra trong khoảng thời gian từ năm 2019 đến 2021.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Hiệu quả bộ từ điển SO-CAL tiếng Việt: Bộ từ điển SO-CAL tiếng Việt sau khi dịch và hiệu chỉnh đạt độ bao phủ từ vựng lớn với tổng số hơn 7000 từ và cụm từ, giúp mô hình phân tích cảm xúc có nền tảng từ vựng phong phú. So sánh với các bộ từ điển khác, SO-CAL đạt hiệu suất phân loại cảm xúc lên đến 80.74% trên các bộ dữ liệu thử nghiệm.

2. Độ chính xác phân loại chủ quan: Mô hình phân loại câu có cảm xúc hay không dựa trên từ điển SO-CAL và các quy tắc ngữ pháp tiếng Việt đạt độ chính xác khoảng 85%, trong đó việc loại trừ câu nghi vấn và câu điều kiện giúp giảm sai số phân loại.

3. Độ chính xác phân loại cảm xúc tích cực/tiêu cực: Mô hình kết hợp phân tích từ vựng và học máy SVM đạt độ chính xác phân loại cảm xúc tích cực và tiêu cực khoảng 78%, với việc điều chỉnh giá trị SO theo từ tăng cường, phủ định và khiếm khuyết góp phần nâng cao độ chính xác.

4. Ứng dụng thực tế: Phân tích bình luận của khách tham quan tại Trung tâm Khám phá Khoa học cho thấy mô hình có khả năng tự động đánh giá cảm xúc người dùng, hỗ trợ tổng hợp ý kiến khách hàng nhanh chóng và chính xác hơn so với phương pháp thủ công.

Thảo luận kết quả

Kết quả cho thấy việc xây dựng bộ từ điển cảm xúc SO-CAL tiếng Việt là bước đệm quan trọng để phát triển các mô hình phân tích cảm xúc phù hợp với đặc thù ngôn ngữ Việt Nam. Việc kết hợp phương pháp phân tích từ vựng với học máy SVM giúp xử lý hiệu quả các câu phức tạp có từ phủ định, tăng cường và khiếm khuyết, điều mà các phương pháp thuần túy từ điển khó thực hiện chính xác.

So với các nghiên cứu trước đây chủ yếu tập trung vào tiếng Anh, nghiên cứu này đã mở rộng phạm vi ứng dụng sang tiếng Việt, một ngôn ngữ có cấu trúc và ngữ pháp khác biệt, đồng thời giải quyết các thách thức đặc thù như xử lý dấu câu, từ loại, và các trường hợp ngoại lệ trong câu.

Dữ liệu có thể được trình bày qua biểu đồ so sánh độ chính xác phân loại chủ quan và cảm xúc giữa các phương pháp, cũng như bảng thống kê số lượng từ vựng trong từng bộ từ điển nhỏ của SO-CAL tiếng Việt. Điều này minh họa rõ ràng hiệu quả và tính khả thi của mô hình trong thực tế.

Đề xuất và khuyến nghị

1. Phát triển bộ từ điển cảm xúc mở rộng: Tiếp tục bổ sung và cập nhật bộ từ điển SO-CAL tiếng Việt với các từ mới, cụm từ phổ biến trên mạng xã hội để nâng cao độ bao phủ và chính xác của mô hình. Thời gian thực hiện: 6-12 tháng; Chủ thể: nhóm nghiên cứu và chuyên gia ngôn ngữ học.

2. Áp dụng kỹ thuật học sâu (Deep Learning): Nghiên cứu và tích hợp các mô hình học sâu như LSTM, Transformer để cải thiện khả năng nhận diện cảm xúc phức tạp, đặc biệt ở mức thực thể và khía cạnh. Thời gian thực hiện: 12-18 tháng; Chủ thể: nhóm nghiên cứu khoa học máy tính.

3. Mở rộng phạm vi phân tích cảm xúc: Nâng cấp mô hình để phân tích cảm xúc ở mức thực thể và khía cạnh, giúp phân tích chi tiết hơn về các đặc tính sản phẩm được người dùng quan tâm. Thời gian thực hiện: 12 tháng; Chủ thể: nhóm nghiên cứu và doanh nghiệp.

4. Xây dựng hệ thống phân tích cảm xúc trực tuyến: Triển khai hệ thống tự động phân tích cảm xúc trên nền tảng web hoặc ứng dụng di động, hỗ trợ doanh nghiệp và người dùng tiếp cận nhanh chóng kết quả phân tích. Thời gian thực hiện: 6 tháng; Chủ thể: nhóm phát triển phần mềm.

Đối tượng nên tham khảo luận văn

1. Nhà nghiên cứu và sinh viên ngành Khoa học máy tính, Xử lý ngôn ngữ tự nhiên: Luận văn cung cấp cơ sở lý thuyết và phương pháp thực nghiệm chi tiết về phân tích cảm xúc tiếng Việt, hỗ trợ nghiên cứu sâu hơn trong lĩnh vực này.

2. Doanh nghiệp và tổ chức kinh doanh: Các công ty muốn khai thác dữ liệu mạng xã hội để đánh giá sản phẩm, dịch vụ có thể áp dụng mô hình để tự động thu thập và phân tích ý kiến khách hàng, từ đó cải thiện chất lượng và chiến lược kinh doanh.

3. Chuyên gia ngôn ngữ học và phát triển từ điển: Luận văn trình bày quy trình xây dựng bộ từ điển cảm xúc tiếng Việt dựa trên SO-CAL, là tài liệu tham khảo hữu ích cho việc phát triển các công cụ ngôn ngữ và từ điển chuyên ngành.

4. Nhà phát triển phần mềm và ứng dụng AI: Cung cấp hướng dẫn kỹ thuật về thu thập dữ liệu qua API, tiền xử lý dữ liệu tiếng Việt và ứng dụng thuật toán học máy SVM trong phân loại cảm xúc, hỗ trợ phát triển các sản phẩm công nghệ liên quan.

Câu hỏi thường gặp

1. Mô hình phân tích cảm xúc này có áp dụng được cho các ngôn ngữ khác không?
   Mô hình dựa trên bộ từ điển SO-CAL tiếng Việt và các đặc trưng ngữ pháp tiếng Việt nên được thiết kế riêng cho tiếng Việt. Tuy nhiên, phương pháp kết hợp từ điển cảm xúc và học máy có thể áp dụng cho các ngôn ngữ khác nếu xây dựng bộ từ điển tương ứng.

2. Độ chính xác của mô hình phân loại cảm xúc là bao nhiêu?
   Mô hình đạt độ chính xác khoảng 85% cho phân loại chủ quan và 78% cho phân loại cảm xúc tích cực/tiêu cực trên bộ dữ liệu thử nghiệm, thể hiện hiệu quả cao trong điều kiện dữ liệu tiếng Việt thực tế.

3. Làm thế nào để xử lý các câu phức tạp có phủ định hoặc từ tăng cường?
   Mô hình sử dụng quy tắc điều chỉnh giá trị SO dựa trên từ tăng cường (nhân hệ số) và từ phủ định (đảo dấu hoặc điều chỉnh giá trị) để phản ánh chính xác hơn cảm xúc trong câu.

4. Có thể mở rộng mô hình để phân tích cảm xúc ở mức thực thể và khía cạnh không?
   Có thể, tuy nhiên mức độ này đòi hỏi nhiều công sức xây dựng tập thực thể và khía cạnh, cũng như kỹ thuật xử lý ngôn ngữ tự nhiên phức tạp hơn. Đây là hướng phát triển tiếp theo của nghiên cứu.

5. Nguồn dữ liệu thu thập có đảm bảo tính đại diện và đa dạng không?
   Dữ liệu được thu thập từ nhiều fanpage lớn trên Facebook với lượng bình luận phong phú, đa dạng chủ đề và người dùng, đảm bảo tính đại diện cho các đánh giá sản phẩm tiếng Việt trên mạng xã hội.

Kết luận

• Đã xây dựng thành công bộ từ điển cảm xúc SO-CAL tiếng Việt với hơn 7000 từ và cụm từ, làm nền tảng cho phân tích cảm xúc tiếng Việt.
• Phát triển mô hình phân tích cảm xúc kết hợp phân tích từ vựng và học máy SVM, đạt độ chính xác cao trong phân loại chủ quan và cảm xúc tích cực/tiêu cực.
• Áp dụng mô hình trên dữ liệu thực tế từ mạng xã hội Facebook, hỗ trợ tự động đánh giá cảm xúc người dùng về sản phẩm.
• Đề xuất các hướng phát triển mở rộng bộ từ điển, áp dụng học sâu và phân tích cảm xúc mức thực thể, khía cạnh trong tương lai.
• Khuyến khích các nhà nghiên cứu, doanh nghiệp và chuyên gia ngôn ngữ học tham khảo và ứng dụng kết quả nghiên cứu để nâng cao hiệu quả khai thác dữ liệu mạng xã hội tiếng Việt.

Để tiếp tục phát triển và ứng dụng mô hình, các nhà nghiên cứu và doanh nghiệp có thể bắt đầu triển khai thử nghiệm trên các bộ dữ liệu lớn hơn, đồng thời tích hợp các công nghệ học sâu để nâng cao độ chính xác và khả năng xử lý ngôn ngữ tự nhiên tiếng Việt. Hãy liên hệ và hợp tác để cùng phát triển các giải pháp phân tích cảm xúc tiên tiến, góp phần thúc đẩy chuyển đổi số và nâng cao trải nghiệm người dùng.

Trích đoạn nội dung tài liệu

MỞ ĐẦU Với sự phát triển mạnh mẽ của mạng Internet cộng với sự bùng nổ thông tin trên toàn cầu, mạng xã hội đã đƣợc sử dụng rộng rãi và dần trở thành một phần không thể thiếu trong cuộc sống con ngƣời đặc biệt là giới trẻ - những ngƣời luôn quan tâm và cập nhật tin tức thƣờng xuyên. Những tin tức, bình luận, đánh giá về nhiều lĩnh vực đƣợc chia sẻ nhanh chóng từ lúc sự việc đang diễn ra và ngay lập tức đƣợc lan truyền đến mọi nơi. Phân loại tâm lý, cảm xúc và khai thác ý kiến, đánh giá sản phẩm sẽ hỗ trợ cho việc nghiên cứu, phân tích cảm xúc, đánh giá thái độ của ngƣời dùng đối với những sản phẩm, chủ đề đƣợc chia sẻ. Đây là một trong những lĩnh vực đƣợc nghiên cứu rộng rãi trong khai thác dữ liệu Big Data, đồng thời có ý nghĩa quan trọng trong ngành khoa học xử lý ngôn ngữ tự nhiên.

Trong thực tế, mức độ ảnh hƣởng của nó ngày càng đƣợc coi trọng và tỷ lệ thuận với sự bùng nổ thông tin trên mạng Internet. Chẳng hạn nhƣ khi muốn mua một sản phẩm nào đó, chúng ta muốn biết nó tốt hay không? Những lời quảng cáo hoa mỹ của nhà sản xuất chƣa đủ thuyết phục, chúng ta muốn nghe những lời đánh giá chân thực từ những ngƣời đã sử dụng hoặc có hiểu biết về sản phẩm đó. Hay đối với các tổ chức, những con số khô khan về doanh thu sản phẩm không đủ để họ hài lòng. Họ muốn biết những đánh giá của khách hàng và ngƣời dùng về sản phẩm của họ.

Những khía cạnh tốt sẽ đƣợc duy trì, phát huy và những mặt xấu, không tốt sẽ đƣợc họ cải thiện để dần hoàn thiện chất lƣợng sản phẩm về mọi mặt. Từ lý do này, tôi lựa chọn đề tài: “Xây dựng mô hình phân tích cảm xúc ngƣời dùng đánh giá sản phẩm bằng phƣơng pháp phân tích từ vựng kết hợp với máy học” nhằm phát triển một phƣơng pháp nghiên cứu phân tích cảm xúc trên ngôn ngữ tiếng Việt dựa trên đặc trƣng nguồn dữ liệu từ bình e 2 luận, đánh giá sản phẩm của ngƣời dùng ở Việt Nam. Và xây dựng một chƣơng trình thử nghiệm nhằm đánh giá độ đúng đắn của phƣơng pháp ên trên, đồng thời có thể tự động đánh giá những cảm xúc của ngƣời dùng đối với những sản phẩm đƣợc chia sẻ. Đối tuợng nghiên cứu của tôi là những ình luận tiếng Việt của nguời dùng đánh giá sản phẩm.

Phạm vi của đề tài là xây dựng mô hình phân tích cảm xúc dựa vào bình luận, đánh giá sản phẩm đuợc thu thạp từ ngƣời dùng. Quá trình thực hiẹn đề tài còn nhiều hạn chế và thiếu sót. Tôi mong nhạn đuợc sự đóng góp kiến chân thành từ Thầy, Cô và các ạn. Tôi xin cảm ơn.TỔNG QUAN VỀ ĐỀ TÀI 1.

TỔNG QUAN ĐỀ TÀI 1. Phát biểu bài toán Kể từ năm 2000, cùng với sự lớn mạnh của truyền thông xã hội trên mạng Internet nhƣ diễn đàn, log và đặc biệt là mạng xã hội (Facebook, Google plus, Twitter, Instagram,…), phân tích cảm xúc (Sentiment Analysis) đã phát triển nhanh chóng và trở thành lĩnh vực nghiên cứu sôi động nhất trong chuyên ngành xử lý ngôn ngữ tự nhiên. Mạng xã hội ngày càng có tầm ảnh hƣởng không chỉ với doanh nghiệp mà còn với toàn xã hội. Ý kiến là trung tâm của hầu hết các hoạt động và có ảnh hƣởng lớn đến hành vi của con ngƣời.

Thông thƣờng khi cần phải đƣa ra quyết định, chúng ta thƣờng tham khảo ý kiến của ngƣời khác. Đối với cá nhân, họ thƣờng tham khảo ngƣời thân, bạn bè hay mọi ngƣời xung quanh. Mặc khác đối với các tổ chức, họ tham khảo ý kiến của các hội đồng, của nhân viên, khách hàng,… Chẳng hạn, có một cô gái trẻ đang đọc các tin tức trên bảng tin của một mạng xã hội nào đó. Bất chợt cô ấy thấy một chiếc điện thoại mới đƣợc giới thiệu kèm theo nhiều tính năng hiện đại với mức giá cực kỳ hấp dẫn.

Nhƣng ngay lập tức, cô ấy liền đặt câu hỏi: “Chiếc điện thoại này có tốt nhƣ những gì nhà sản xuất quảng cáo không?”. Cô ấy phải vất vả đọc thủ công từng bình luận chia sẻ của ngƣời dùng. Sau đó tổng hợp lại và đƣa ra đánh giá cuối cùng. Công việc vô cùng đơn giản với năm hay mƣời bình luận.

Nhƣng nếu số lƣợng bình luận lên đến năm mƣơi, một trăm hay vài trăm thì công việc này trở nên phức tạp hơn nhiều. Liệu rằng cô gái trẻ có nhớ và tổng hợp hết những bình luận đó một cách chính xác trong thời gian ngắn hay không? Một ví dụ khác: Mỗi năm một công ty kinh doanh hàng hóa bỏ ra một lƣợng lớn thời gian, công sức và tiền bạc để khảo sát xu hƣớng thị trƣờng hay e 4 nói cách khác là họ tìm hiểu xem thị hiếu của ngƣời dùng hiện tại là gì? Việc khai thác các hoạt động của ngƣời dùng trên mạng xã hội hay cụ thể hơn là các bình luận, đánh giá của họ sẽ giúp cho công ty thực hiện việc khảo sát một cách dễ dàng cũng nhƣ tiết kiệm đƣợc nhiều chi phí. Mục tiêu của đề tài Mục tiêu của đề tài là phát hiện những cảm xúc của ngƣời dùng thông qua việc phân tích những bình luận, đánh giá của họ đối với thông tin đƣợc đăng tải hay chia sẻ về các dịch vụ, sản phẩm tại Trung tâm Khám phá khoa học. Để thực hiện đƣợc mục tiêu này, tôi đã chia thành mục tiêu thành 3 mục tiêu thành phần.

Đó là: - Lấy dữ liệu các bình luận đánh giá sản phẩm của ngƣời dùng - Xây dựng bộ từ điển cảm xúc. - Phân tích, đánh giá cảm xúc của ngƣời dùng về sản phẩm. a) Thu thập thông tin, dữ liệu từ các bình luận, đánh giá về sản phẩm của người dùng Chúng ta có thể nhận thấy khối lƣợng dữ liệu trên các trang mạng xã hội là vô cùng lớn. Tuy nhiên, không phải tất cả thông tin đó đều có ích và theo dạng chuẩn của ngôn ngữ tiếng Việt.

Do đó, ài toán đặt ra ba vấn đề cần giải quyết, đó là: - Lấy dữ liệu lớn từ các bình luận, đánh giá của ngƣời dùng. - Chuẩn hóa dữ liệu cho phù hợp với phƣơng pháp. - Phân tích cảm xúc dựa vào nguồn dữ liệu đƣợc chuẩn hóa trên. b) Xây dựng bộ từ điển cảm xúc Hiện nay, có hai phƣơng pháp tiếp cận chính để giải quyết vấn đề trích xuất cảm xúc tự động.

Cách đầu tiên dựa vào các từ vựng thông qua việc tính toán giá trị ngữ nghĩa (semantic orientation) của các từ hay cụm từ trong tài liệu. Cách tiếp cận thứ hai sử dụng một phƣơng pháp thống kê hoặc máy học e 5 để giải quyết vấn đề. [5] Sau nhiều thời gian nghiên cứu, tôi quyết định sử dụng phƣơng pháp dựa vào từ vựng thông qua việc tính toán giá trị ngữ nghĩa của các từ hay cụm từ trong tài liệu. Bƣớc đầu tiên để tính toán đƣợc các giá trị ngữ nghĩa cần dựa trên một tập hợp các từ và giá trị ngữ nghĩa của chúng hay còn gọi là từ điển cảm xúc.

Theo khảo sát cá nhân, hiện tại chƣa có một bộ từ điển cảm xúc cho tiếng Việt nào đƣợc công bố chính thức. Việc xây dựng một bộ từ điển cần đầu tƣ nhiều thời gian, kinh phí và nhất là cần có sự hợp tác của những chuyên gia về ngôn ngữ học. Vì vậy, tôi đã sử dụng bộ từ điển cảm xúc tiếng Anh có tên từ điển SO-CAL [19] (Dictionaries for the Semantic Orientation CALculator) của nhóm tác giả Maite Taboada [4] và dịch bộ từ điển này sang tiếng Việt. Từ điển cảm xúc SO-CAL có khoảng 6600 từ chia thành năm từ điển nhỏ gồm có: từ điển danh từ, từ điển động từ, từ điển tính từ, từ điển động từ và từ điển từ tăng cƣờng (intensifier).

Mỗi từ điển bao gồm một danh sách các từ cảm xúc và các giá trị SO kèm theo. c) Phân tích, đánh giá cảm xúc Sau khi xây dựng xong từ điển cảm xúc, mục tiêu cuối cùng sẽ là phân tích đánh giá cảm xúc dựa vào những bình luận đƣợc thu thập trên mạng xã hội. Để phân tích cảm xúc có hai vấn đề cần giải quyết là phân loại câu có cảm xúc hay không có cảm xúc và phân loại câu có cảm xúc tích cực hay tiêu cực. Theo Bing Luu [5], phân tích cảm xúc hiện đƣợc tập trung nghiên cứu chủ yếu ở 3 mức độ: - Phân tích cảm xúc mức văn bản (document level): Mục tiêu ở mức độ này là phân loại xem quan điểm tổng thể của văn bản diễn tả một cảm xúc tiêu cực hay tích cực.

Phân tích cảm xúc mức văn bản giả định rằng mỗi văn ản thể hiện quan điểm về một thực thể duy nhất. e 6 Có nhiều phƣơng pháp đã và đang đƣợc nghiên cứu ở mức này nhƣ phƣơng pháp học máy có giám sát, phƣơng pháp học máy không giám sát (Support Vector Machine, Maximum Entropy, K-Nearest Neighbors, Naïve Bayes, Centroid Classification), v. - Phân tích cảm xúc mức câu (sentence level): Ở mức độ này sẽ tập trung vào các câu và xác định xem chúng bày tỏ một quan điểm tích cực, tiêu cực hay trung tính. Theo Wiebe, Bruce và O'Hara [6], khi phân loại chủ quan một câu đƣợc chia làm hai loại là câu chủ quan (câu có cảm xúc) và câu khách quan (câu không có cảm xúc).

Câu khách quan thể hiện một số thông tin thực tế còn câu chủ quan thƣờng mang đến góc nhìn hay ý kiến cá nhân. Trong thực tế, câu chủ quan có thể diễn ta nhiều loại thông tin nhƣ kiến, đánh giá, cảm xúc, niềm tin, suy đoán, phán đoán, cáo buộc,… Để đánh giá trạng thái cảm xúc của câu chủ quan, ngƣời ta chia nó thành hai loại là câu có cảm xúc tích cực (nhƣ vui, thích, yêu, hƣng phấn, tự tin) và câu có cảm xúc tiêu cực (nhƣ chán, ghét, hận, tức giận, sợ hãi). - Phân tích cảm xúc mức thực thể và khía cạnh của thực thể (Entity and Aspect level): Cả hai mức độ văn ản và câu đều không phát hiện đƣợc chính xác những quan điểm của ngƣời viết. Mức thực thể và khía cạnh của thực thể thực hiện phân tích sâu và chi tiết hơn.

Thay vì nhìn vào cấu trúc ngôn ngữ (nhƣ văn ản, đoạn văn, câu văn, mệnh đề hay cụm từ), mức này tập trung trực tiếp vào ý kiến, quan điểm của ngƣời viết. Nó dựa trên tƣởng rằng một ý kiến, quan điểm bao gồm một cảm xúc (tích cực hoặc tiêu cực) và một mục tiêu cụ thể. Mục tiêu này giúp chúng ta phân tích cảm xúc tốt hơn.