XÂY DỰNG MÔ HÌNH PHÂN LỚP BÌNH LUẬN VỀ NHÀ HÀNG DỰA VÀO PHƯƠNG PHÁP HỌC MÁY

Lê Văn Hòa và CS. Tập 132, Số 2A, 2023 72 STT Thuật toán Precision Recall F1-Score Thời gian (giây) 4 K-Nearest Neighbor 0,705 0,485 0,504 0,01 Trong đó: Precision là độ chính xác, Recall là độ bao phủ, F1-Score là độ đo trung bình điều hòa. Kết quả huấn luyện cho thấy mô hình huấn luyện sử dụng SVM cho kết quả tốt nhất với Precision = 0,739; Recall = 0,740 và F1-Score = 0,738. Dựa vào kết quả huấn luyện, chúng ta có thể kết luận mô hình sử dụng SVM là phù hợp với tập dữ liệu huấn luyện thuộc lĩnh vực nhà hàng. 4.4 Giai đoạn 4: Phân lớp đặc tính nhà hàng Trong giai đoạn 3, chúng tôi đã xác định được mô hình phân lớp dựa trên SVM là phù hợp nhất đối với bài toán phân lớp đặc tính thuộc lĩnh vực nhà hàng. Chúng tôi dựa vào mô hình này để phân lớp đặc tính thuộc lĩnh vực nhà hàng đối với tập dữ liệu là các câu bình luận. Ngoài ra, để kiểm chứng hiệu quả phân lớp đặc tính nhà hàng của mô hình đã chọn, chúng tôi tiến hành thực nghiệm với tập dữ liệu gồm 400 câu bình luận đã được gán nhãn. Kết quả phân lớp đặc tính nhà hàng của mô hình đạt tỉ lệ phân lớp chính xác trung bình trên 78%. 5 Kết luận Trong bài báo này, chúng tôi đã đề xuất một mô hình phân lớp đặc tính nhà hàng bằng phương pháp học máy. Để nâng cao độ chính xác cho kết quả phân lớp, chúng tôi đã áp dụng các kỹ thuật tiền xử lý dữ liệu gồm thêm dấu và chuẩn hóa láy âm tiết nhằm tăng ngữ nghĩa cho câu bình luận. Mô hình phân lớp đã xử lý được trường hợp đặc tính ẩn trong các câu bình luận nhằm giải quyết được thách thức đối với phương pháp từ vựng. Dựa trên kết quả thực

nghiệm với bộ dữ liệu thuộc lĩnh vực nhà hàng, phương pháp học máy sử dụng thuật toán Support Vector Machines cho kết quả tốt nhất so với các thuật toán khác như Naïve Bayes, Decision Tree và K-Nearest Neighbor. Trong thời gian tới, chúng tôi tiếp tục tìm hiểu thêm các kỹ thuật thu thập dữ liệu đối với nguồn dữ liệu trên các fanpage Facebook, diễn đàn để gia tăng đối tượng, phạm vi và dữ liệu phân tích. Ngoài ra, chúng tôi còn nghiên cứu thêm một số kỹ thuật tiền xử lý dữ liệu nhằm khắc phục được các thách thức trong việc chuẩn hóa văn bản tiếng Việt như: lỗi chính tả, sai ngữ pháp, dấu câu bị thiếu, chữ viết tắt và sử dụng tiếng lóng. Lời cảm ơn Nghiên cứu này được tài trợ bởi đề tài Khoa học và Công nghệ cấp Đại học Huế, Mã số đề tài: DHH2023-10-30, tên đề tài: “Xây dựng hệ thống tư vấn dựa trên bình luận trực tuyến cho một số nhà hàng tại Thừa Thiên Huế”.