LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu các kỹ thuật phân tích ý kiến trên bình luận phản hồi của người dùng

Luận án · Tiến sĩ · năm 2025 · đề tài tham khảo

Loại tài liệuLuận án
Bậc họcTiến sĩ
Tác giảĐặng Văn Thìn
Người hướng dẫnNguyễn Lưu Thùy Ngân
Cơ sở đào tạoĐại học Quốc gia TP. Hồ Chí Minh
Năm2025
NguồnThư viện số Đại học Quốc gia TP. Hồ Chí Minh · trang gốc

Tóm tắt

Đóng góp 1: Đề xuất các phương pháp nâng cao độ chính xác cho bài toán phân tích ý kiến theo mức độ dữ liệu. Trong nội dung này, luận án đã nghiên cứu ba phương pháp nhằm giải quyết bài toán phân loại ý kiến theo các mức độ dữ liệu, bao gồm: (1) phương pháp học chuyển tiếp dựa trên mô hình ngôn ngữ theo hướng phân loại; (2) phương pháp học chuyển tiếp dựa trên mô hình ngôn ngữ theo hướng tạo sinh văn bản; và (3) phương pháp tổ hợp dựa trên mô hình ngôn ngữ. Ngoài các thử nghiệm được thực hiện chính trên ngôn ngữ tiếng Việt, luận án còn áp dụng các kỹ thuật và phương pháp này trên một số ngôn ngữ ít tài nguyên và thu được kết quả khả quan. Các kết quả nghiên cứu đã được công bố trong các công trình CT.01, CT.04, CT.06, và CT.08 ở Mục 6.2. • Đóng góp 2: Xây dựng các mô hình nâng cao độ chính xác cho bài toán phân tích ý kiến theo hai quan điểm: thông thường và so sánh. Trong nội dung này, nghiên cứu sinh đã đề xuất hai mô hình để giải quyết hai bài toán thách thức liên quan đến quan điểm ý kiến thông thường và quan điểm so sánh. Cụ thể, luận án giới thiệu mô hình ngôn ngữ tạo sinh kết hợp lời nhắc theo hướng đa tác vụ nhằm giải quyết bài toán trích xuất bộ bốn thuộc tính trong các quan điểm ý kiến thông thường. Đối với bình luận so sánh, luận án đề xuất một kiến trúc hai giai đoạn để xác định bình luận so sánh và trích xuất bộ năm thuộc tính của ý kiến so sánh. Các kết quả nghiên cứu này đã được 5 công bố tại các tạp chí quốc tế và trong nước uy tín qua các công trình CT.05 và CT.07 . • Đóng góp 3: Đề xuất các phương pháp cho vấn đề dữ liệu hạn chế dữ liệu huấn luyện trong bài toán phân tích ý kiến. Vấn đề hạn chế dữ liệu hoặc không có dữ liệu huấn luyện trong một số lĩnh vực hoặc ngôn ngữ ít tài nguyên là một thách thức lớn trong nghiên cứu và ứng dụng thực tế. Để giải quyết vấn đề này, luận án đã nghiên cứu hai phương pháp cụ thể. Thứ nhất, luận án trình bày phương pháp tận dụng sức mạnh của các mô hình đa ngôn ngữ, kết hợp với dữ liệu từ các ngôn ngữ giàu tài nguyên, trong hai tình huống: không có dữ liệu ở ngôn ngữ thử nghiệm và bổ sung dữ liệu từ ngôn ngữ giàu tài nguyên để nâng cao tập mẫu huấn luyện. Thứ hai, luận án nghiên cứu cách thiết kế lời nhắc (prompt) dựa trên sức mạnh của các mô hình ngôn ngữ lớn, nhằm hỗ trợ phân tích ý kiến ở các cấp độ khác nhau và trên nhiều miền dữ liệu đa dạng. Kết quả nghiên cứu đã được công bố tại một tạp chí và một hội nghị quốc tế trong các công trình CT.03 và CT.09. Chương 1. GIỚI THIỆU Chương 2. TỔNG QUAN Chương 3. PHÂN TÍCH Ý KIẾN THEO MỨC ĐỘ Chương 4. PHÂN TÍCH Ý KIẾN THEO QUAN ĐIỂM Chương 5. PHÂN TÍCH Ý KIẾN VỚI DỮ LIỆU HẠN CHẾ Chương 6. KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
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.

Đề tài cùng ngành

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.