Đánh giá độ tin cậy của video Tiếng Việt trên Youtube thông qua việc phát hiện Clickbait và phân loại bình luận
Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Tác giả | Lê Mỹ Trinh |
| Người hướng dẫn | Ngô Tấn Vũ Khanh |
| Cơ sở đào tạo | Trường Đại học Kinh tế TP. Hồ Chí Minh |
| Năm | 2024 |
| Nguồn | Thư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Trong bối cảnh Internet vô cùng phát triển, mạng xã hội không chỉ là nền tảng để giải trí, kết nối mà còn là nơi để người dùng tìm kiếm thông tin, kinh doanh và tạo ra lợi nhuận. Youtube là một trong những mạng xã hội có số lượng người dùng lớn nhất tính đến thời điểm hiện tại, điều đó đồng nghĩa với việc số lượng video được đăng tải lên Youtube ngày càng gia tăng nhanh chóng nhưng độ tin cậy lại không được đảm bảo. Để thu hút và kích thích người xem, việc một số nhà sáng tạo nội dung là sử dụng Clickbait – những tiêu đề gây chú ý nhưng có thể không phản ánh chính xác nội dung trong video của mình là một vấn đề đáng lo ngại. Do đó. việc phân tích đánh giá độ tin cậy của video bằng cách phát hiện Clickbait độc hại và phân tích nội dung bình luận là vô cùng cần thiết để bảo vệ và nâng cao chất lượng trải nghiệm của người xem. Để đánh giá độ tin cậy của video, nghiên cứu này chia thành hai phần chính: một là phát hiện các tiêu đề có phải là Clickbait hay không thông qua việc áp dụng 3 mô hình học sâu là CNN (Mạng Nơ-ron Tích Chập), LSTM (Mạng Nơ-ron Bộ Nhớ Dài Ngắn), và mô hình kết hợp CNN và LSTM. Sau đó, nếu tiêu đề được phát hiện là Clickbait, tiếp tục tiến hành phân loại bình luận của video đó bằng PhoBERT – mô hình học sâu xử lý ngôn ngữ dành riêng cho tiếng Việt, tính tỷ lệ bình luận tích cực/ tiêu cực có đạt trên 70% hay không để xác định tính chính xác của tiêu đề và chất lượng nội dung video dựa trên phản hồi của người xem. Kết quả của bài nghiên cứu ở phần phát hiện Clickbait, mô hình kết hợp CNN – LSTM là có độ chính xác cao nhất (80.75%), độ chính xác khi phân loại bình luận bằng PhoBERT là 88.33% cho thấy khả năng phân loại tương đối hiệu quả của các mô hình trong việc phát hiện Clickbait và phân loại bình luận. Ứng dụng của đề tài này không chỉ giúp người dùng có được trải nghiệm tốt hơn khi xem các video trên Youtube mà còn có thể là nền tảng để tạo ra một công cụ đánh giá độ tin cậy của video, góp phần cung cấp thông tin hữu ích, chính xác cho người xem và khuyến khích các nhà sáng tạo nội dung tạo ra những video chất lượng, mang đến thông tin có giá trị và độ tin cậy cao.
Phát hiện clickbaitTiếng ViệtĐộ tin cậyPhân loại bình luậnYoutubeClickbait detectionVietnameseReliabilityComment classification
Bản toàn văn lưu tại thư viện Trường Đại học Kinh tế TP. Hồ Chí Minh
Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.
Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
- Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
- Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
- Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.
Đề tài cùng ngành
- Các nhân tố ảnh hưởng sự căng thẳng trong công việc đối với công chức thuế trên địa bàn TPHCM
- Nghiên cứu sở thích xem trò chơi truyền hình của người dân TP.HCM
- Chỉ số chấp nhận Fintech và các hàm ý cho Việt Nam
- Các giải pháp nâng cao chất lượng dịch vụ hậu mãi của mạng ĐTDĐ S-Fone
- Ảnh hưởng của kiểm soát gia đình đến tính đáo hạn nợ của các công ty niêm yết tại Việt Nam
- Giải pháp nâng cao chất lượng dịch vụ tại công ty TNHH Dịch vụ Bất động sản Hoàng Gia
- Xếp hạng tín nhiệm và nợ công ở Việt Nam giai đoạn từ năm 2007 đến năm 2020
- Poor sales management at Sing Swee Bee Vietnam Co., Ltd
Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.