LuanVan.vnLuận Văn
Gửi thư

Phân loại bình luận spam trên youtube trong lĩnh vực y tế bằng phương pháp học sâu kết hợp

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

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhXã hội, ngôn ngữ, y dược
Tác giảLê Anh Quốc
Người hướng dẫnNgô Tấn Vũ Khanh
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 thời đại hiện đại, mạng xã hội – nơi mà mọi người có thể tự do chia sẻ thông tin – việc phân tích phản hồi đã trở thành một công cụ vô cùng quan trọng để giúp môi trường mạng trở nên trong sáng và tránh xa những thông tin nhiễu và có hại. Nghiên cứu này giới thiệu một phương pháp để phát hiện và phân loại các ý kiến quảng cáo không mong muốn trên các kênh YouTube về lĩnh vực y tế, áp dụng các phương pháp xử lý ngôn ngữ tự nhiên (NLP) và các mô hình học sâu. Hệ thống được phát triển bao gồm các bước thu thập, tiền xử lý, đánh nhãn và phân tích dữ liệu bình luận từ các chương trình về lĩnh vực y tế trên YouTube. Dữ liệu được lấy từ API của YouTube và trải qua các phương pháp chuẩn hóa và đánh dấu bằng tay. Mang lại độ phức tạp của tiếng Việt, việc nghiên cứu sử dụng phoBERT – một mô hình ngôn ngữ được huấn luyện trước đặc biệt cho tiếng Việt – kết hợp với kiến trúc TextCNN và BiLSTM, giúp mô hình thu thập thông tin về cả ngữ cảnh cục bộ và thông tin tuần tự trong các bình luận. Phương pháp của việc phân loại bình luận thành hai nhóm là phân biệt giữa bình luận không phải là spam và bình luận spam. Bằng cách kết hợp các đặc điểm của các mô hình học sâu, phương pháp đề xuất đã cải thiện đáng kể độ chính xác trong việc phát hiện thông tin spam, đảm bảo tính toàn vẹn của thông tin chia sẻ trong các video y tế và bảo vệ người dùng khỏi những nội dung gian lận hoặc không chính xác. Kết quả của đề tài này đóng góp vào việc tiến triển các hệ thống loại bỏ thư spam một cách hiệu quả hơn, cung cấp các phương tiện hữu ích trong việc bảo vệ thông tin y tế trên các nền tảng số hóa. Nghiên cứu này cũng mở ra nhiều khả năng phát triển trong tương lai, bao gồm việc tích hợp thêm các mô hình khác, phân loại trực tuyến với dữ liệu khổng lồ và có thể phân loại ở nhiều lĩnh vực khác ngoài lĩnh vực y tế..
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 xã hội, ngôn ngữ, y dược · 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.