LuanVan.vnLuận Văn
Gửi thư

Ứng dụng học máy để phân loại chủ đề và cảm xúc khách hàng trên bình luận đánh giá phim tại ứng dụng đặt vé xem phim MoMo

Luận văn · Thạc sĩ · năm 2023 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhMarketing, thương mại
Tác giảTừ Nguyễn Thiên Bảo
Người hướng dẫnBùi Thanh Hiếu
Cơ sở đào tạoTrường Đại học Kinh tế TP. Hồ Chí Minh
Năm2023
NguồnThư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc

Tóm tắt

Sự phát triển mạnh mẽ của thị trường điện ảnh tại Việt Nam và việc các rạp phim cho phép bên thứ ba bán vé thông qua ứng dụng đã mở ra nhiều cơ hội mới cho các doanh nghiệp. Điều này dẫn đến việc trang bán vé phải xử lý hàng ngàn bình luận và đánh giá từ cộng đồng người dùng, và cần có sự lọc spam và phân loại nhãn để hiển thị lên website, ứng dụng đặt vé như trường hợp trên MoMo. Luận văn đề cập đến việc sử dụng các lý thuyết về xử lý ngôn ngữ tự nhiên (NLP), bài toán phân tích cảm xúc văn bản, kỹ thuật tách từ TF-IDF, các phương pháp học máy Logistic Regression (LR), Naive Bayes (NB), và Support Vector Machine (SVM) để giải quyết bài toán phân loại chủ đề và cảm xúc văn bản. Các thuật toán này được áp dụng để xây dựng mô hình dự đoán và đánh giá hiệu quả của chúng trong việc phân loại và nhận diện cảm xúc từ các bình luận đánh giá phim. Cuối cùng, luận văn đánh giá kết quả của các mô hình đã được áp dụng và đề xuất các hướng phát triển tiếp theo. Qua đánh giá, các mô hình học máy đã đạt được kết quả khá tốt (SVM có độ chính xác trên 95%, LR có độ chính xác trên 87% tại các nhãn) trong việc phân loại chủ đề và cảm xúc khách hàng trên bình luận đánh giá phim trên ứng dụng Momo.vn. Tuy nhiên, còn tồn tại những hạn chế và vấn đề cần được cải thiện, bao gồm việc tăng cường khả năng phân loại chính xác, xử lý hiệu quả các trường hợp spam và cải thiện độ chính xác trong việc dự đoán cảm xúc khách hàng. Từ những kết quả nghiên cứu và đánh giá, luận văn đề xuất các hướng phát triển tiếp theo, nhằm nâng cao hiệu suất và độ chính xác của các mô hình học máy trong việc phân loại chủ đề và cảm xúc 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.