Khóa luận tốt nghiệp: Giải pháp gom nhóm đặc trưng đồng nghĩa tiếng Việt trong đánh giá sản phẩm dựa trên phân lớp bán giám sát SVM-kNN và phân cụm HAC

Khai phá quan điểm khách hàng dựa trên đặc trưng sản phẩm (FOM) là một lĩnh vực nghiên cứu trọng yếu, giúp doanh nghiệp hiểu sâu sắc hơn về phản hồi của người tiêu dùng và cải thiện sản phẩm. Trong các văn bản đánh giá sản phẩm, khách hàng thường sử dụng nhiều từ ngữ hoặc cụm từ khác nhau để chỉ cùng một đặc trưng. Do đó, bài toán gom nhóm đặc trưng đồng nghĩa trở nên thiết yếu để tổng hợp quan điểm một cách có ý nghĩa. Mặc dù đã có nhiều nghiên cứu trên thế giới, nhưng đối với tiếng Việt, đây vẫn là một vấn đề chưa được nghiên cứu chuyên sâu. Khóa luận này tập trung đề xuất một giải pháp tự động để giải quyết thách thức này, góp phần nâng cao hiệu quả khai phá thông tin từ các đánh giá sản phẩm bằng tiếng Việt.

Các nhà nghiên cứu trong lĩnh vực Xử lý ngôn ngữ tự nhiên (NLP), Khai phá dữ liệu (Data Mining), Khai phá quan điểm (Opinion Mining), Phân tích cảm xúc, cũng như các kỹ sư và nhà phát triển hệ thống làm việc với dữ liệu đánh giá sản phẩm, đặc biệt là dữ liệu tiếng Việt.

Nghiên cứu này giải quyết bài toán cốt lõi trong khai phá quan điểm dựa trên đặc trưng (FOM): gom nhóm các đặc trưng đồng nghĩa trong đánh giá sản phẩm. Thách thức chính là việc người dùng sử dụng đa dạng các cách diễn đạt cho cùng một đặc điểm sản phẩm, làm phức tạp quá trình tổng hợp thông tin. Khóa luận đề xuất một giải pháp tự động để nhận diện và nhóm các đặc trưng đồng nghĩa tiếng Việt, dựa trên phương pháp của Zhongwu Zhai và cộng sự (2010). Phương pháp tiếp cận này tích hợp phân lớp bán giám sát SVM-kNN và phân cụm HAC (Hierarchical Agglomerative Clustering). Cụ thể, giải pháp bao gồm các pha biểu diễn đặc trưng dưới dạng vector, tạo tập huấn luyện cho bộ phân lớp SVM-kNN thông qua quá trình phân cụm HAC, và sau đó áp dụng SVM-kNN để phân loại. Thực nghiệm được tiến hành trên miền sản phẩm điện thoại di động, sử dụng dữ liệu từ website thegioididong.com. Kết quả cho thấy phương pháp đề xuất có tính hiệu quả, đạt độ đo Purity là 0.68 và Accuracy là 0.65, chứng minh khả năng áp dụng và tiềm năng của giải pháp trong việc xử lý ngôn ngữ tự nhiên và phân tích đánh giá sản phẩm tiếng Việt, với kết quả phù hợp với các công bố khoa học quốc tế.