Giới thiệu tài liệu
Truyện thuộc về việc phân tích mô hình hợp lý cho điểm trở ngại của học sinh về trường đào tạo từ bài viết trên nền tảng mạng xã hội. Báo cáo giới thiệu một công trình nghiên cứu tập hợp mô hình SVMs, MLP và AB-BiLSTM để phân tích dữ liệu. Tác giả sử dụng PhoBERT để đào tạo khối xử lý từ ngữ và tiến hành xử lý dữ liệu để cải thiện chính xác của mô hình.
Đối tượng sử dụng
Nhóm nghiên cứu, doanh nghiệp sử dụng thông tin trên mạng xã hội, người quản lý chính sách đào tạo
Nội dung tóm tắt
Báo cáo nghiên cứu này gợi ý một công trình sử dụng mô hình hợp lý kết hợp ba mô hình sinh tố: SVMs, MLP và AB-BiLSTM. Tác giả sử dụng PhoBERT để xây dựng khối xử lý từ ngữ và tiến hành xử lý dữ liệu để cải thiện chính xác của mô hình. Mô hình này được sử dụng để phân tích dữ liệu trên nền tảng mạng xã hội và có thể được áp dụng cho việc phân loại các bài đăng của học sinh về trường đào tạo. Tác giả tiến hành thiết lập mô hình nghiệm thu với các tham số cho từng mô hình, phân tích kết quả nghiệm thu sử dụng chỉ số Precision, Recall và F1. Đồng thời, tác giả so sánh kết quả của các mô hình có hay không sử dụng PhoBERT và tìm thấy rằng mô hình hợp lý được tận dụng cho phép đạt được kết quả dự đoán cao nhất. Báo cáo cuối cùng khẳng định rằng mô hình hợp lý này có thể áp dụng cho việc phân tích các bài đăng trên nền tảng mạng xã hội và có thể đạt được chính xác trên 85%.
