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

Abstract

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.