Đề án tốt nghiệp Thạc sĩ: Ứng dụng học tăng cường trong phân tích cảm xúc theo chủ đề

Trong bối cảnh chuyển đổi số và bùng nổ dữ liệu, thông tin do người dùng tạo ra đang trở thành nguồn tài nguyên vô giá, đòi hỏi các phương pháp phân tích hiệu quả. Đặc biệt, việc phân tích cảm xúc theo chủ đề (ABSA) là yếu tố then chốt để hiểu rõ hơn phản hồi của khách hàng. Tuy nhiên, thách thức lớn nằm ở sự phức tạp của dữ liệu phi cấu trúc, nhất là trong tiếng Việt với đặc thù ngữ pháp và đa nghĩa. Nghiên cứu này nhấn mạnh tầm quan trọng của việc ứng dụng các công nghệ trí tuệ nhân tạo tiên tiến, cụ thể là học tăng cường (Reinforcement Learning), nhằm giải quyết bài toán phức tạp này, mang lại cái nhìn sâu sắc và chi tiết hơn về ý kiến người dùng.

Nghiên cứu sinh, kỹ sư trí tuệ nhân tạo, nhà khoa học dữ liệu và các chuyên gia trong lĩnh vực xử lý ngôn ngữ tự nhiên quan tâm đến phân tích cảm xúc và học tăng cường, đặc biệt với ngôn ngữ tiếng Việt.

Đề án này tập trung vào việc ứng dụng học tăng cường (Reinforcement Learning - RL) để nâng cao hiệu quả phân tích cảm xúc theo chủ đề (Aspect-Based Sentiment Analysis - ABSA), đặc biệt là với dữ liệu tiếng Việt. Nghiên cứu bắt đầu bằng việc nhận diện những hạn chế của các phương pháp truyền thống như rule-based, học máy cổ điển và học sâu trong việc xử lý ngữ cảnh phức tạp và dữ liệu động. Phương pháp RL được đề xuất như một giải pháp ưu việt, cho phép mô hình học một chính sách hành động tối ưu thông qua tương tác với môi trường và phản hồi, giảm thiểu sự phụ thuộc vào dữ liệu gán nhãn đầy đủ. Về phương pháp, đề tài khảo sát sâu các thuật toán học tăng cường như Q-Learning, Deep Q-Network (DQN) và Actor-Critic, đồng thời tích hợp các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) tiên tiến như BERT để trích xuất đặc trưng văn bản. Quá trình này bao gồm thu thập và tiền xử lý dữ liệu phản hồi từ các nền tảng trực tuyến, xây dựng môi trường mô phỏng cho RL, và thực hiện các thử nghiệm đánh giá kết quả trên các bộ dữ liệu như UIT-VSFC và UIT-ViFSD. Giá trị ứng dụng của nghiên cứu nằm ở khả năng cung cấp một hệ thống phân tích ý kiến khách hàng chi tiết và chính xác hơn, không chỉ phân loại cảm xúc tổng thể mà còn nhận diện cảm xúc đối với từng chủ đề cụ thể (như chất lượng sản phẩm, dịch vụ, giá cả). Điều này mang lại lợi ích lớn cho doanh nghiệp trong việc cải thiện chiến lược kinh doanh, tối ưu hóa trải nghiệm khách hàng và dự đoán xu hướng thị trường, góp phần phát triển ứng dụng trí tuệ nhân tạo trong xử lý tiếng Việt.