Ứng dụng phân tích cảm xúc trong đánh giá phản ứng của người tiêu dùng đối với thương hiệu Việt

Tóm tắt

Nghiên cứu nhằm đánh giá khả năng ứng dụng xử lý ngôn ngữ tự nhiên trong phân tích phản ứng của người tiêu dùng từ dữ liệu phản hồi trực tuyến. Nghiên cứu so sánh các mô hình học máy truyền thống với các mô hình ngôn ngữ tiền huấn luyện, đồng thời kết hợp phân tích cảm xúc, phân tích theo khía cạnh và xây dựng Sentiment Index. Kết quả cho thấy, các mô hình ngôn ngữ tiền huấn luyện, đặc biệt là mô hình được tối ưu cho tiếng Việt, có khả năng nâng cao hiệu quả phân loại cảm xúc. Việc kết hợp Sentiment Index và phân tích theo khía cạnh giúp nhận diện cả xu hướng cảm xúc tổng thể và những yếu tố cụ thể tác động đến phản ứng của người tiêu dùng. Nghiên cứu góp phần chuyển đổi dữ liệu phản hồi phi cấu trúc thành thông tin hỗ trợ quản trị thương hiệu và ra quyết định dựa trên dữ liệu.

Từ khóa
Phân tích cảm xúc xử lý ngôn ngữ tự nhiên PhoBERT phân tích theo khía cạnh Sentiment Index

Tài liệu tham khảo

1.
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT, 4171-4186.
2.
Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers.
3.
Pang, B., Lee, L., & Vaithyanathan, S. (2002). Thumbs up? Sentiment classification using machine learning techniques. Proceedings of EMNLP, 79-86.
4.
Nguyen, D. Q., & Nguyen, A. T. (2020). PhoBERT: Pre-trained language models for Vietnamese. Findings of EMNLP 2020, 1037-1042.
5.
Liu, Y., Ott, M., Goyal, N., et al. (2019). RoBERTa: A robustly optimized BERT pretraining approach. arXiv preprint arXiv:1907.11692.
6.
Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. Proceedings of NAACL-HLT, 4171-4186.