Using machine learning techniques for stance detection
Khoá luận tốt nghiệp · Đại học · năm 2024 · đề tài tham khảo
| Loại tài liệu | Khoá luận tốt nghiệp |
|---|---|
| Bậc học | Đại học |
| Ngành | Công nghệ thông tin |
| Tác giả | Vu Thi Que Anh |
| Người hướng dẫn | Tran Thi Oanh; VNU - International School |
| Cơ sở đào tạo | Đại học Quốc gia Hà Nội |
| Năm | 2024 |
| Nguồn | Thư viện số Đại học Quốc gia Hà Nội · trang gốc |
Tóm tắt
In recent years, social media has seen exponential growth, becoming a primary source for daily news updates and a platform for individuals to discuss various issues and express personal opinions. These contributions can assist policymakers in making informed decisions. However, processing the vast amounts of textual data generated on these platforms can be time-consuming and costly. Therefore, efficient and accurate machine learning techniques are necessary to handle this data. While there is extensive research on highresource languages, studies on low-resource languages remain limited. These languages are less common and often possess complex phonetic structures, making research more challenging. Current Transformer models have shown promising results in stance detection tasks. However, these models face limitations regarding maximum token length, especially with variant models. Recognizing this issue, I have conducted research and proposed methods that integrate Transformers with text summarization techniques to detect stances in Vietnamese, a low-resource language. The experimental results demonstrate that the CafeBERT model, combined with Py-rouge for extractive summarization, achieves an accuracy of 77.44%, outperforming other models such as VisoBERT and PhoBERT. These findings highlight the potential of incorporating text summarization techniques to enhance the training and performance of text classification models.
Bản toàn văn lưu tại thư viện Đại học Quốc gia 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
- Thành lập bản đồ địa chính xã Quỳnh Vinh, Thị xã Hoàng Mai, Tỉnh Nghệ An từ số liệu đo đạc trực tiếp bằng phần mềm Microstation và Famis
- Thiết kế, lập trình gia công khuôn đúc cho chi tiết tay nắm cầm mở cửa trên xe Uoát
- Ứng dụng phần mềm Microstation V8 và Gcadas thành lập bản đồ hiện trạng sử dụng đất từ bản đồ địa chính số phường Tào Xuyên, thành phố Thanh Hóa, tỉnh Thanh Hóa
- Thành lập bản đồ hiện trạng sử dụng đất từ bản đồ địa chính cho xã Thống Nhất, huyện Hoành Bồ, Tỉnh Quảng Ninh bằng phần mềm Microstation
- Nghiên cứu Phần mềm catia ứng dụng trong thiết kế và gia công khuôn nhựa trên máy CNC
- Ứng dụng ảnh máy bay và hệ thống thông tin địa lý (GIS) để theo dõi biến động thảm thực vật và sử dụng đất khu vực Xuân Mai và Lương Sơn
- Ứng dụng hệ thống thông tin địa lý (GIS) trong theo dõi, đánh giá biến động hiện trạng sử dụng đất giai đoạn 2001- 2006 tại xã Vĩnh Chấp, huyện Vĩnh Linh, tỉnh Quảng Trị
- Ứng dụng phương pháp phân tích đa tiêu chuẩn (Multi Criteria Analysis = MCA) với sự trợ giúp của phần mềm SPSS để lựa chọn tập đoàn cây trồng cảnh quan đường phố cho thành phố Hải Dương
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.