Nghiên cứu giải pháp nâng cao chất lượng phân tích đánh giá của khách hàng sử dụng tiếng việt trong lĩnh vực hàng không

Abstract

Đánh giá trực tuyến đã cách mạng hóa cách chúng ta đưa ra quyết định mua hàng. Việt Nam đứng đầu về du lịch hàng không và vận tải ở Đông Nam Á. Chúng ta cũng là nước có thị trường hàng không phát triển nhanh nhất trong khu vực. Tuy nhiên, việc phân tích đánh giá của khách hàng hàng không bằng tiếng Việt vẫn chưa nhận được sự quan tâm nghiên cứu. Vì vậy, chúng tôi tập trung vào việc phân tích đánh giá của khách hàng hàng không sử dụng tiếng Việt. Do chưa có bộ dữ liệu nên chúng tôi xây dựng một bộ dữ liệu phục vụ mục đích phân tích này. Nghiên cứu này phân tích, đánh giá hiệu quả của các mô Machine Learning (ML) và Deep Learning (DL) như KNN, Random Forest, SGD, CNN, Transformer, LSTM, BiLSTM, GRU và BiGRU. Bên cạnh đó, chúng tôi đề xuất việc sử dụng cả tiêu đề và nội dung để phân tích đánh giá thay vì chỉ nội dung như các nghiên cứu phân tích sentiment như trước đây. Đóng góp nổi bật là chúng tôi đã xây dựng ba mô hình kết hợp - Fusion BiLSTM + CNN, Fusion BiGRU + CNN, và Ensemble BiLSTM + CNN dựa trên cấu trúc đầu vào. Kết quả thực nghiệm đã chứng minh hiệu quả của các mô hình kết hợp do chúng tôi đề xuất trong việc trích xuất đặc trưng bằng cả GloVe và PhoBERT. Trong đó, mô hình Ensemble BiLSTM + CNN với PhoBERT đạt hiệu suất tốt nhất, thể hiện độ chính xác (Accuracy) 96% và F1-score 95%.