LuanVan.vnLuận Văn
Gửi thư

Ứng dụng mô hình máy học để phân loại thông tin thương hiệu doanh nghiệp tại tổng công ty Điện lực miền Nam

Luận văn · Thạc sĩ · năm 2025 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhMarketing, thương mại
Tác giảNguyễn Thị Hoàng Kim
Người hướng dẫnBùi Thanh Hiếu
Cơ sở đào tạoTrường Đại học Kinh tế TP. Hồ Chí Minh
Năm2025
NguồnThư viện số Trường Đại học Kinh tế TP. Hồ Chí Minh · trang gốc

Tóm tắt

Việc theo dõi, phân tích đưa ra dự báo đánh giá thông tin thương hiệu Doanh nghiệp trên quy mô lớn cho các doanh nghiệp Việt Nam có thể giúp giải quyết bài toán khủng hoảng thông tin, xây dựng niềm tin trên thị trường. Ngoài khả năng có thể thực hiện một cách rộng rãi, việc sử dụng dữ liệu lớn và ứng dụng thuật toán học máy, xử lý ngôn ngữ tự nhiên trong việc sắp xếp, phân loại thông tin doanh nghiệp không cần tốn nhiều thời gian và chi phí như các phương pháp tìm kiếm, phân loại thông tin doanh nghiệp truyền thống. Trong bài nghiên cứu này, tác giả ứng dụng mô hình máy học dựa trên các thuật toán để phân loại bộ dữ liệu lớn đã được sàng lọc qua các từ khóa và phân tích các dữ liệu thông tin doanh nghiệp. Kết quả nghiên cứu cho thấy các thuật toán Naïve Bayes, Random Forest, Decision Tree, Bernoulli, Support Vector Machine (SVM) và Support CBOW trong Deep learning đã đem lại độ chính xác cao nhất (trên 85%) khi thực hiện phân loại tập dữ liệu. Áp dụng các thuật toán trên cho thấy dữ liệu thông tin doanh nghiệp có thể quản lý được kiểm soát chặt chẽ hơn đối với thông tin doanh nghiệp trên không gian mạng qua đó đưa ra các dự báo thông tin trong quản lý điều hành doanh nghiệp, ngăn chặn thông tin xấu, bất lợi một cách kịp thời, không để khủng hoảng truyền thông, tăng độ tin cậy và độ tín nhiệm doanh nghiệp trên thị trường và khách hàng khi sử dụng sản phẩm/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.

Tải ứng dụng AI Học Thuật

Tư vấn học thuật, luận văn, công bố quốc tế với chuyên gia — miễn phí trên iPhone, iPad và Android.

Download on the App Store Tải trên Google Play