SỬ DỤNG MÔ HÌNH BERT ĐỂ PHÂN TÍCH THÁI ĐỘ NGƯỜI DÙNG QUA CÁC BÌNH LUẬN

Nguyễn Tự Thanh Duy, Trần Thanh Phước, Trần Thanh Trâm, Võ Quốc Tuấn

Tóm tắt


Trong xã hội ngày nay, sự phát triển các trang thương mại điện tử, mạng xã hội ngày càng tăng trưởng mạnh, đi kèm với thương mại điện tử, mạng xã hội chắc chắn không thể thiếu những bình luận thể hiện thái độ của người dung đối với một sản phẩm, vấn đề. Các doanh nghiệp luôn mong muốn có thể nắm bắt được nhu cầu, thái độ của người tiêu dùng với sản phẩm của họ đưa ra thị trường. Đây là động lực để chúng tôi nghiên cứu và ứng dụng phân tích thái độ người dùng qua các bình luận. Chúng tôi sử dụng mô hình BERT để huấn luyện dữ liệu; dữ liệu bình luận được thu thập thực tế trên trang Shopee với nhãn hàng Unilever. Bên cạnh đó, chúng tôi cũng đã so sánh giữa PhoBERT và BERT với 2 mô hình học máy học sâu khác là KNN và LSTM. Ngoài ra, chúng tôi còn tích hợp một số công nghệ tiên tiến như ReactJS cho Frontend và FastAPI cho Backend để triển khai ứng dụng lên một website thực tế nhằm tăng sự trải nghiệm của người dùng. Bước đầu cho thấy kết quả rất khả quan và có thể áp dụng cho nhiều doanh nghiệp kinh doanh khác.


 


Từ khóa


BERT; comments; customer attitudes; PhoBERT; sentiment analysis

Toàn văn:

PDF

Trích dẫn


Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. In Proceedings of NAACL-HLT 2019, 4171-4186.

Guo, G., Wang, H., David, A. B.l, & Yaxin, B. (2004). KNN Model-Based Approach in Classification. On The Move to Meaningful Internet Systems 2003: CoopIS, DOA, and ODBASE, 986-996.

Nguyen, D. Q., & Nguyen, A. T. (2020). PhoBERT: Pre-trained language models for Vietnamese. Findings of the Association for Computational Linguistics: EMNLP 2020, 1037-1042.

Sepp, H., Jurgen S. (1997). Long Short-Term Memory. Neural Computation, 9(8), 1735-1780. https://doi.org/10.1162/neco.1997.9.8.1735




DOI: https://doi.org/10.54607/hcmue.js.20.8.3620(2023)

Tình trạng