Diễn giải mô hình phân tích độ cuốn hút của video
Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Lê Nguyễn Nhựt Trường |
| Người hướng dẫn | Nguyễn Tiến Huy |
| Cơ sở đào tạo | Đại học Quốc gia TP. Hồ Chí Minh |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Nghiên cứu này đề xuất một phương pháp học sâu đa phương thức để dự báo mức độ cuốn hút của video trên YouTube trước đăng tải. Chúng tôi sử dụng mô hình học sâu đa phương thức tích hợp các đặc trưng như tiêu đề video, âm thanh, hình thu nhỏ, nội dung và thẻ để dự đoán mức độ cuốn hút, phân loại video thành ba nhóm: cuốn hút, trung lập, và không cuốn hút. Một tập dữ liệu độc đáo, tập dữ liệu EnTube, đã được biên soạn, bao gồm 23.738 video từ nhiều thể loại và 72 kênh YouTube tiếng Việt. Tập dữ liệu này giúp khắc phục các trở ngại trong việc thu thập và phân tích dữ liệu về mức độ cuốn hút của video. Cách tiếp cận của chúng tôi cho thấy tiềm năng của các đặc trưng đa phương thức trong việc nâng cao độ chính xác dự đoán so với các mô hình đơn đặc trưng. Các kỹ thuật Trí tuệ Nhân tạo Giải thích được sử dụng để diễn giải các yếu tố ảnh hưởng đến mức độ cuốn hút của video, cung cấp thông tin chi tiết cho việc tối ưu hóa nội dung. Kết quả nghiên cứu mang lại triển vọng cho các ứng dụng trong hệ thống đề xuất video và điều chỉnh chiến lược nội dung.
Bản toàn văn lưu tại thư viện Đại học Quốc gia 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.
Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.
Đề tài cùng ngành
- Phát triển ứng dụng mạng xã hội đa nền tảng
- Tận dụng mô hình ngôn ngữ lớn đa phương thức để gán nhãn dữ liệu cho bài toán trả lời câu hỏi trực quan bằng tiếng Việt.
- An intelligent queue management system integrating QR code check-in and AI-driven wait time prediction
- Website xem phim với các tiện ích hỗ trợ người dùng (chatbot, khuyến nghị)
- Cognitively inspired decision making for software agents: Integrated mechanisms for action selection, expectation, automatization and non-routine problem solving
- Một hướng tiếp cận trong phát hiện lỗ hổng Web sử dụng phân tích tĩnh
- Phát hiện lỗ hổng trên ứng dụng web sử dụng kỹ thuật phân tích động và thuật giải di truyền
- Triển khai và tối ưu mạng phân phối nội dung cho ứng dụng microservices trên đa nền tảng đám mây
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.