Phân loại cảm xúc của người dùng dựa trên review sản phẩm
Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo
| Loại tài liệu | Đồ án tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Lương Nguyễn Hoàng Anh |
| Người hướng dẫn | Nguyễn Hữu Đức |
| Cơ sở đào tạo | Đại học Bách khoa Hà Nội |
| Năm | 2025 |
| Nguồn | Thư viện số Đại học Bách khoa Hà Nội · trang gốc |
Tóm tắt
Trình bày việc xây dựng một hệ thống tự động phân loại cảm xúc từ các đánh giá sản phẩm nhằm hỗ trợ khai thác phản hồi khách hàng trong thương mại điện tử. Phân tích thực trạng cho thấy các phương pháp hiện có còn hạn chế về khả năng tự động hóa quy trình triển khai và duy trì hiệu quả mô hình trong môi trường thực tế. Đề xuất giải pháp xây dựng đường ống MLOps tích hợp thu thập dữ liệu, tiền xử lý văn bản, huấn luyện mô hình phân tích cảm xúc, triển khai dịch vụ API và giám sát hệ thống, kết hợp các kỹ thuật xử lý ngôn ngữ tự nhiên và quy trình CI/CD. Kết luận khẳng định hệ thống giúp tự động hóa vòng đời mô hình học máy, nâng cao khả năng phân tích phản hồi khách hàng và tạo nền tảng mở rộng cho các ứng dụng phân tích văn bản trong tương lai
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội
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
- Nghiên cứu mô hình hóa rủi ro lập lịch dự án sử dụng các ước lượng mức độ hoàn thành dự án
- Adaptive Real-Time Fault Diagnosis of Rotating Machinery on Edge Devices Using Machine Learning
- Thiết kế bộ điều khiển trượt tầng và tối ưu bằng thuật toán di truyền cho hệ con lắc ngược đôi trên xe.
- Thiết kế mô hình phân loại hình ảnh tín hiệu ECG
- Nghiên cứu phương pháp dự báo thông số vận hành chính của khối tổ máy nhà máy nhiệt điện dựa trên công nghệ học máy (ML)
- Thuật toán gradient thích ứng ngẫu nhiên và ứng dụng trong máy học
- Nghiên cứu thiết kế kiến trúc tính toán trong bộ nhớ STT-MRAM cho mô hình điện toán siêu chiều (HDC)
- Nghiên cứu ứng dụng mạng phức trong xác định đặc trưng và phân loại khối u ác tính và lành tính dựa trên ảnh MRI
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.