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

Abstract

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.