LuanVan.vnLuận Văn
Gửi thư

Ứng dụng mô hình học sâu trích xuất khía cạnh và khai phá ý kiến khách hàng về ứng dụng ví điện tử Momo

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

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhMarketing, thương mại
Tác giảNgô Ngọc Vân Thanh
Người hướng dẫnĐỗ Trọng Hợp
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

Ngày nay, sự tiến bộ của công nghệ, nhu cầu sử dụng điện thoại thông minh và tác động mạnh mẽ từ đại dịch COVID-19 đang thúc đẩy sự phát triển của thị trường thiết kế ứng dụng di động, đặc biệt là trong lĩnh vực thanh toán trực tuyến. Các cửa hàng ứng dụng như Google, Apple là một trong những nguồn hữu ích chứa đựng những ý kiến của người dùng thông qua điểm xếp hạng và các đánh giá được trình bày bằng văn bản. Quan điểm của người bình luận về một ứng dụng thể hiện mức độ hài lòng của họ. Do đó, điều này giúp những người dùng khác có được thông tin chi tiết trước khi tải xuống hoặc mua ứng dụng. Thông tin tiềm năng từ các bài đánh giá không thể được trích xuất theo cách thủ công, do tốc độ tăng trưởng theo cấp số nhân của nó. Ngoài ra, mỗi bình luận thường đề cập nhiều yếu tố, có cả những điểm tốt và chưa tốt. Luận văn nhằm nghiên cứu ứng dụng phân tích ý kiến từng khía cạnh để khai thác hiệu quả các bình luận về ứng dụng cung cấp dịch vụ thanh toán trực tuyến - ví điện tử MoMo. Trong đó bao gồm hai bài toán nhỏ là phát hiện khía cạnh trong bình luận và phân loại ý kiến theo khía cạnh. Dựa trên việc tìm hiểu các nghiên cứu liên quan đến bài toán phân tích ý kiến, lý thuyết về deep learning, mô hình deep learning với kiến trúc học đa nhiệm (multi-task learning) sử dụng PhoBERT được tác giả lựa chọn để thực hiện với bộ dữ liệu được thu thập từ App Store và Google Play gồm 2125 đánh giá mang 12 cặp khía cạnh 3 ý kiến trong giai đoạn từ 01/2022 đến 07/2022. Kết quả mô hình được lựa chọn đã đạt được hiệu suất khá tốt trong việc giải quyết bài toán của luận văn và cho thấy khả năng giải quyết các hạn chế của các mô hình shallow learning. Thông qua kết quả thực nghiệm đó, việc khai phá các bình luận này như một công cụ hữu ích để hiểu về trải nghiệm của khách hàng, giúp đưa ra đề xuất cải thiện chất lượng ứng dụng, dịch vụ.
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.