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

jos.hueuni.edu.vn Tập 132, Số 2A, 2023 71 Công thức tính TF-IDF (Term Frequency - Inverse Document Frequency) Trọng số của từ (TF-IDF) thể hiện mức độ quan trọng của từ này trong một văn bản nằm trong một tập hợp các văn bản. Trọng số của từ dựa vào tần số xuất hiện của một từ trong một văn bản (TF) và tần số nghịch của một từ trong tập văn bản (IDF). TF (Term Frequency) là tần số xuất hiện của một từ trong một văn bản. Giá trị TF của một từ t trong văn bản d được tính theo công thức (1). 𝑡𝑓(𝑡, 𝑑) = 𝑛(𝑡, 𝑑) 𝑛(𝑑) (1) trong đó, n(t,d) là số lần xuất hiện từ t trong văn bản d; n(d) là số lần xuất hiện của tất cả các từ trong văn bản d. IDF (Inverse Document Frequency) là tần số nghịch của một từ trong tập văn bản. Trong tập văn bản, mỗi từ chỉ có một giá trị IDF duy nhất được tính theo công thức (2). 𝑖𝑑𝑓(𝑡, 𝐷) = log |𝐷| |{𝑑 ∈ 𝐷|𝑡 ∈ 𝑑}| (2) Trong đó, |D| là tổng số văn bản trong tập D, |{d ∈ D|t ∈ d }| là số văn bản d có xuất hiện từ t trong tập D. TF-IDF được tính theo công thức (3) TF-IDF(t,d,D) = tf(t, d) × idf (t, D) (3) Trong đó, những từ có giá trị TF-IDF cao là những từ xuất hiện nhiều trong văn bản này và ít xuất hiện trong các văn bản khác. Việc này giúp lọc ra những từ phổ biến và giữ lại những từ có giá trị cao. Bước quan trọng nhất của quy trình phân lớp đặc tính nhà hàng là lựa chọn thuật toán phân lớp tốt nhất. Theo [15], bốn thuật toán đạt hiệu quả cao đối với trường hợp phân lớp văn bản theo đặc tính nhà hàng bao gồm: Naïve Bayes (NB), Support Vector Machines (SVM),

Decision Tree (DT) và K-Nearest Neighbor (KNN). Để huấn luyện mô hình phân lớp, chúng tôi sử dụng phần mềm Weka [16]. Kết quả huấn luyện mô hình được minh họa như trong Bảng 3. Bảng 3. Kết quả huấn luyện mô hình STT Thuật toán Precision Recall F1-Score Thời gian (giây) 1 Naïve Bayes 0,699 0,675 0,682 4,20 2 Support Vector Machines 0,739 0,740 0,738 19,76 3 Decision Tree 0,671 0,672 0,671 170,37