LuanVan.vnLuận Văn
Gửi thư

Nghiên cứu và xây dựng Chatbot sử dụng mô hình học máy hỗ trợ khách hàng tại Haravan

Luận văn · Thạc sĩ · năm 2024 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhMarketing, thương mại
Tác giảTrương Gia Phương
Người hướng dẫnNguyễn Thành Huy
Cơ sở đào tạoTrường Đại học Kinh tế TP. Hồ Chí Minh
Năm2024
NguồnThư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc

Tóm tắt

Trong bối cảnh của việc ứng dụng các mô hình học sâu như XLNET, RoBERTa, DistilBERT và PhoBERT vào nghiệp vụ phản hồi khách hàng, bài nghiên cứu này mở ra nhiều khả năng mới cho đội ngũ chăm sóc khách hàng. Các mô hình này có thể được tinh chỉnh để xử lý các câu hỏi thường gặp, giải quyết thắc mắc hoặc cung cấp thông tin cần thiết cho khách hàng một cách tự động và chính xác. Đặc biệt, việc áp dụng mô hình PhoBERT, được huấn luyện đặc biệt cho tiếng Việt, cho thấy khả năng hiểu và xử lý ngôn ngữ tự nhiên tiếng Việt với độ chính xác cao, làm nền tảng để phát triển các hệ thống trả lời tự động hiệu quả. Các kết quả từ bài nghiên cứu cho thấy mô hình XLM-RoBERTa vượt trội với các chỉ số đánh giá cao nhất, đặc biệt là ở các chỉ số Exact Match và F1, điều này chứng minh khả năng của mô hình trong việc chính xác xác định và trả lời các câu hỏi dựa trên ngữ cảnh đã cho. Điều này có ý nghĩa đặc biệt trong việc ứng dụng vào chăm sóc khách hàng, nơi mà việc cung cấp câu trả lời chính xác và nhanh chóng là yếu tố then chốt để nâng cao sự hài lòng của khách hàng. XLNET, PhoBERT và DistilBERT cũng cho thấy những kết quả đáng khích lệ, mặc dù không vượt trội như XLM-RoBERTa, nhưng vẫn hứa hẹn trong việc ứng dụng vào các tác vụ liên quan đến ngôn ngữ tiếng Việt. Hướng phát triển trong tương lai sẽ tập trung vào việc tinh chỉnh sâu hơn nữa các mô hình này, nhất là trong việc mở rộng bộ dữ liệu huấn luyện và áp dụng các kỹ thuật tăng cường dữ liệu để nâng cao khả năng tổng quát hóa của mô hình. Bên cạnh đó, việc tích hợp các mô hình này vào các hệ thống phản hồi tự động trong nghiệp vụ chăm sóc khách hàng cũng được đề xuất như một ứng dụng thực tế, hứa hẹn mang lại lợi ích trong việc cải thiện chất lượng và tốc độ phản hồi, từ đó nâng cao sự hài lòng của khách hàng. Tóm lại, việc áp dụng học sâu vào việc giải quyết các câu hỏi bằng tiếng Việt đã cho thấy những tiềm năng đáng kể. Sự phát triển của các mô hình như RoBERTa, XLNET, PhoBERT và DistilBERT trong lĩnh vực này không chỉ cải tiến đáng kể chất lượng xử lý ngôn ngữ tự nhiên mà còn mở ra các hướng ứng dụng mới trong thực tiễn, đặc biệt là trong lĩnh vực dịch vụ khách hàng.
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.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn marketing, thương mại · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

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.