Ứng dụng Deep Learning trong phân loại chủ đề tin tức trên báo điện tử
Luận văn · Thạc sĩ · năm 2023 · đề tài tham khảo
| Loại tài liệu | Luận văn |
|---|---|
| Bậc học | Thạc sĩ |
| Ngành | Công nghệ thông tin |
| Tác giả | Phạm Minh Phương |
| Người hướng dẫn | Đặng Ngọc Hoàng Thành |
| Cơ sở đào tạo | Trường Đại học Kinh tế TP. Hồ Chí Minh |
| Năm | 2023 |
| Nguồn | Thư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc |
Tóm tắt
Trong thời đại công nghiệp 4.0, một lượng thông tin khổng lồ trên Internet được sử dụng để phân tích, đánh giá và dự báo cho các tổ chức, doanh nghiệp đã cho thấy rằng dữ liệu đóng vai trò quan trọng trong đời sống hiện nay. Việc xác định và phân loại thông tin đã trở nên thiết yếu và các bài toán phân loại nội dung đã nhận được nhiều sự quan tâm trong trong lĩnh vực nghiên cứu về xử lý ngôn ngữ tự nhiên (NLP) trong những năm gần đây. Sự phức tạp và đa dạng của dữ liệu đã tạo ra một thách thức trong cách tiếp cận với các bài toán trong NLP và từ đó mở ra một xu hướng mới cho các nghiên cứu về học sâu (deep learning). Tiêu biểu là các bài toán phân loại nội dung văn bản dựa trên các kĩ thuật học sâu như CNN, RNN, các dẫn xuất của RNN như LSTM, BiLSTM, GRU được tác giả đề cập đến trong đề tài này, nhằm khai thác và so sánh hiệu năng của các mô hình học sâu trên dữ liệu tin tức trực tuyến. Kết quả cho thấy rằng, mô hình GRU cho precision, recall, F1-score và accuracy cao nhất lần lượt là 91.97%, 92.09%, 91.99% và 92.03%. Mặc khác, mặc dù mô hình CNN cho kết quả thấp nhất nhưng mức độ chênh lệch không quá lớn so với các mô hình còn lại, và ưu điểm nổi trội của CNN so với các mô hình còn lại là thời gian huấn luyện nhanh nhất và chỉ mất 670.626 giây. Với kết quả này, các doanh nghiệp hoặc tổ chức liên quan đến mảng tin tức, sách báo điện tử có thể áp dụng mô hình GRU trong việc phân loại nội dung.
Phân loại chủ đềMô hình học sâuTopic classificationDeep learning modelRecurrent neural networkLong short-term memoryGated recurrent unitBidirectional Long Short-Term memoryConvolutional neural networks
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 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
- Phân tích sự hài lòng của người học khi sử dụng dịch vụ UEH Shuttle bus thông qua khai thác ý kiến bằng mô hình học máy
- Phát hiện tin tức giả cho tin tức tiếng Việt bằng cách kết hợp các mô hình học sâu
- Ứng dụng công nghệ thông tin và hiện đại hóa hoạt động hải quan tại cục hải quan Đồng Nai
- Performance of stochastic option pricing models and construction of volatility smiles for option pricing in an emerging derivatives market
- Nghiên cứu mối quan hệ trí tuệ cảm xúc, cam kết tổ chức, hài lòng công việc với ý định ở lại tổ chức – Trường hợp ngành công nghệ thông tin tại Thành phố Hồ Chí Minh
- Giải pháp nâng cao hiệu quả hoạt động đào tạo nội bộ tại Công ty Saigon Technology
- Ứng dụng machine learning trong mô hình CAPM
- Xây dựng và thiết kế hệ thống thông tin quản lý tiền lương tại công ty cổ phần Hesman Viet Nam
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.