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 64 learning algorithms: Naive Bayes (NB), Support Vector Machines (SVM), Decision Tree (DT), and K-Nearest Neighbor (KNN). The results demonstrate that SVM achieves the best classification outcome in comparison to NB, DT, and KNN. Keywords: Machine learning algorithm, comment, restaurant data. 1 Giới thiệu Sự phát triển của Internet làm cho thông tin lưu trữ trực tuyến hàng ngày gia tăng nhanh chóng. Do vậy, để tìm đúng thông tin mà chúng ta cần quan tâm thì mất khá nhiều thời gian nên cần phải dùng những kỹ thuật tổ chức và xử lý dữ liệu về văn bản. Kỹ thuật này được gọi là phân lớp văn bản hay nói cách khác là phân loại văn bản [1]. Phân lớp văn bản là một trong những nhiệm vụ cơ bản của xử lý ngôn ngữ tự nhiên, được ứng dụng rộng rãi trong phân tích quan điểm, phát hiện spam, gắn nhãn chủ đề, phát hiện ý định… Phân lớp văn bản là một kỹ thuật máy học tự động gán các nhãn cho văn bản. Sử dụng kỹ thuật xử lý ngôn ngữ tự nhiên và máy học, bộ phân lớp văn bản có thể phân tích và sắp xếp văn bản theo danh mục, chủ đề và ý định của khách hàng. Với sự bùng nổ của các nguồn thông tin trên Web, mạng xã hội, website đánh giá trực tuyến … làm cho lĩnh vực phân lớp văn bản ngày càng trở nên quan trọng và thu hút nhiều nhà nghiên cứu [2]. Ngày nay, việc viết đánh giá về một sản phẩm hoặc dịch vụ là điều phổ biến. Theo nghiên cứu trong [3], 84% khách hàng tin tưởng vào các đánh giá trực tuyến giống như lời tư vấn hay giới thiệu của bạn bè, người thân. Do đó, các website đánh giá trực tuyến đã trở nên có

ích đối với khách hàng. Doanh nghiệp xem những đánh giá đó như là phản hồi cho sản phẩm, dịch vụ của mình. Dữ liệu phản hồi cho phép doanh nghiệp phân tích điểm mạnh và điểm yếu để cải thiện dịch vụ hoặc sản phẩm. Trong phân lớp văn bản, dữ liệu là một trong những yếu tố quan trọng đóng vai trò quyết định đến kết quả phân lớp văn bản có độ chính xác cao. Đặc thù của nguồn dữ liệu lấy từ các website đánh giá trực tuyến là các bình luận của khách hàng không theo một chuẩn nhất định, người đăng bình luận thường sử dụng những biểu tượng cảm xúc, tiếng lóng và tiếng Việt không dấu. Do đó, để có nguồn dữ liệu đưa vào phân tích đúng chuẩn là một trong những nhiệm vụ quan trọng của bài toán phân lớp văn bản. Ngoài ra, việc chọn đúng phương pháp phân lớp văn bản đối với lĩnh vực nhà hàng là vấn đề cần quan tâm. Với đặc thù dữ liệu thu thập trên các website đánh giá trực tuyến chỉ ở mức độ sơ cấp và lượng dữ liệu rất lớn, các doanh nghiệp không thể dựa vào dữ liệu thô này để ra quyết định. Họ cần biết các tri thức được phân tích từ tập dữ liệu này. Để giải quyết bài toán này, nghiên cứu của chúng tôi đề xuất phương pháp học máy áp dụng việc phân lớp theo các đặc tính của nhà hàng. Nguồn dữ liệu đưa vào phân lớp là các bình