Khóa luận tốt nghiệp: Mở rộng VietSentiWordNet dựa trên mô hình học bán giám sát SVMlight và áp dụng vào bài toán khai phá quan điểm

Sự bùng nổ của thương mại điện tử và các nền tảng trực tuyến đã tạo ra một lượng lớn đánh giá và phản hồi từ khách hàng. Dữ liệu này, dù vô giá, lại đặt ra thách thức đáng kể cho cả người tiêu dùng muốn đưa ra quyết định sáng suốt và nhà sản xuất muốn nắm bắt tâm lý thị trường. Các phương pháp phân tích văn bản truyền thống thường không đủ khả năng nắm bắt được các quan điểm và sắc thái cảm xúc ẩn chứa trong văn bản. "Khai phá quan điểm" (opinion mining) nổi lên như một lĩnh vực quan trọng của khai phá văn bản, nhằm xác định và phân loại thông tin chủ quan. SentiWordNet, một tài nguyên từ vựng được công nhận rộng rãi, đóng vai trò then chốt trong nỗ lực này bằng cách gán điểm cảm xúc cho các từ. Khóa luận này giải quyết nhu cầu về các công cụ phân tích cảm xúc mạnh mẽ cho tiếng Việt bằng cách đề xuất mở rộng "VietSentiWordNet" sử dụng mô hình học bán giám sát "SVMlight", từ đó nâng cao khả năng "khai phá quan điểm" trong ngữ cảnh đánh giá sản phẩm.

Nghiên cứu sinh, giảng viên và chuyên gia trong lĩnh vực Xử lý ngôn ngữ tự nhiên, Học máy, Khai phá dữ liệu và Phân tích cảm xúc, đặc biệt quan tâm đến ứng dụng trong tiếng Việt.

Sự phổ biến của các nền tảng kỹ thuật số và thương mại điện tử đã dẫn đến lượng lớn nội dung do người dùng tạo ra, đặc biệt là các đánh giá sản phẩm. Việc phân tích hiệu quả các tập dữ liệu khổng lồ này để tìm kiếm cảm xúc và quan điểm là rất quan trọng cho việc ra quyết định của người tiêu dùng và thông tin thị trường, nhưng nó đặt ra những thách thức tính toán đáng kể. Công trình học thuật này giải quyết vấn đề đó bằng cách tập trung vào "khai phá quan điểm" trong tiếng Việt. Khóa luận đã khảo sát kỹ lưỡng các phương pháp hiện có để xây dựng bộ từ điển cảm xúc "SentiWordNet", đặc biệt là SentiWordNet 3.0, và nhận diện những hạn chế khi áp dụng trực tiếp các tài nguyên này vào xử lý ngôn ngữ tiếng Việt. Đóng góp cốt lõi của nghiên cứu là việc phát triển một phiên bản "VietSentiWordNet" mở rộng, tận dụng "mô hình học bán giám sát SVMlight". Tài nguyên được cải tiến này sau đó được áp dụng vào bài toán "khai phá quan điểm" khách hàng dựa trên đánh giá sản phẩm. Kết quả thực nghiệm đã chứng minh tính hiệu quả của phương pháp đề xuất. Cụ thể, "VietSentiWordNet" mở rộng đã tăng đáng kể từ khoảng 1.000 lên 9.000 synset. Quan trọng hơn, khi áp dụng vào khai phá quan điểm, bộ từ điển mới đạt độ chính xác 66,60%, cải thiện đáng kể so với hiệu suất 44,45% của VietSentiWordNet ban đầu. Nghiên cứu này cung cấp một bộ từ điển cảm xúc tiên tiến có giá trị và một phương pháp luận mạnh mẽ cho phân tích quan điểm, mang lại ý nghĩa quan trọng cho các ứng dụng trong xử lý ngôn ngữ tự nhiên và khai phá dữ liệu tiếng Việt.