Nghiên cứu và ứng dụng Deep Learning trong tổng hợp ý kiến khách hàng điện tử: Trường hợp bài toán dịch vụ khách sạn

Bài viết sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên trong việc thu thập và trích xuất thông tin bình luận trên văn bản tiếng Việt, thực nghiệm trên tập dữ liệu của bài toán dịch vụ khách sạn. Ứng dụng Deep Learning với các mô hình mạng Neural DNN, CNN, Bi-LSTM để phân lớp sắc thái bình luận là tích cực hay tiêu cực, với kết quả độ chính xác đạt 96%.
Nội dung trích xuất từ tài liệu:
Nghiên cứu và ứng dụng Deep Learning trong tổng hợp ý kiến khách hàng điện tử: Trường hợp bài toán dịch vụ khách sạn Trường Đại học Kinh tế - Đại học Đà Nẵng NGHIÊN CỨU VÀ ỨNG DỤNG DEEP LEARNING TRONG TỔNG HỢP Ý KIẾNKHÁCH HÀNG ĐIỆN TỬ: TRƯỜNG HỢP BÀI TOÁN DỊCH VỤ KHÁCH SẠN AN APPLICATION OF NATURAL LANGUAGE PROCESSING, DEEP LEARNINGAND RULE-BASED FOR SENTIMENT ANALYSIS OF ONLINE CUSTOMER REVIEWS: A CASE STUDY FROM HOTEL SERVICE GVHD: Nguyễn Thành Thủy SVTH: Trần Thị Châu Giang, Ngô Triệu Long, Nguyễn An Phú, Trương Đình Hoàng, Nguyễn Mạnh Dần Trường Đại học Kinh tế - Đại học Đà Nẵng thuynt@due.edu.vn TÓM TẮT Thời đại kết nối và sức mạnh của hiệu ứng cộng đồng, truyền miệng luôn là một trong những phương thức marketing hiệu quả nhất. Ngày nay, các bình luận đánh giá của khách hàng về trải nghiệm của họ đối với một hàng hóa – dịch vụ trên các phương tiện truyền thông xã hội rất được chú trọng. Chúng là một nguồn tham khảo quan trọng, mang lại quyết định cho sự lựa chọn của khách hàng mới, và là cơ sở để xây dựng và cải tiến chất lượng dịch vụ nhằm gia tăng sự hài lòng và trung thành của khách hàng đối với doanh nghiệp. Trong nghiên cứu này, chúng tôi sử dụng các kỹ thuật xử lý ngôn ngữ tự nhiên trong việc thu thập và trích xuất thông tin bình luận trên văn bản tiếng Việt, thực nghiệm trên tập dữ liệu của bài toán dịch vụ khách sạn. Ứng dụng Deep Learning với các mô hình mạng Neural DNN, CNN, Bi-LSTM để phân lớp sắc thái bình luận là tích cực hay tiêu cực, với kết quả độ chính xác đạt 96%. Ứng dụng kỹ thuật Rule-Based để phân tách thực thể, làm cơ sở cho việc chấm điểm chất lượng dịch vụ dựa trên mức độ hài lòng của khách hàng. Từ khóa: NLP, Deep Learning, CNN, DNN, Bi-LSTM, Rule-Based. ABSTRACT In the age of connection, word of mouth is always one of the best effective marketing methods via the community power. Recently, customers’ reviews about their real experience on goods or services on social media are highly focused. They are not only a trustful reference source for a new customer on making decisions but also an important information for managers to maintain and improve their service quality which can increase customer satisfaction and gain loyal customers. In this study, we use Natural Language Processing techniques in collecting, extracting online comments (in Vietnamese), and experimenting on the hotel reviews data set. We apply Neural Networks models in Deep Learning like DNN, CNN, Bi-LSTM to classify a review as a positive or a negative, with approximately 96% accuracy. Finally, Rule-based technology is used to separate and recognize objects, making a basis for grading hotel service quality. We conclude by comparing accuracy of different strategic models and discuss about the result after grading service quality of group 4 of 3-star hotels in Danang, Vietnam. Keywords: NLP, Deep Learning, CNN, DNN, Bi-LSTM, Rule-Based. 156 Hội nghị Sinh viên nghiên cứu khoa học năm học 2018-2019 1. Giới thiệu Các doanh nghiệp trong lĩnh vực khách sạn hằng năm chi ra một khoản chi phí vô cùng lớn trong việc hoàn thiện và nâng cao chất lượng dịch vụ khách sạn. Nhưng để việc làm này thực sự hiệu quả với số tiền doanh nghiệp bỏ ra, họ phải cân nhắc đến cảm nhận thực của khách hàng đã trải nghiệm, vì điều đó phản ánh chính xác nhất tình trạng hiện tại của khách sạn: làm tốt những mặt nào và còn hạn chế những điều gì? Ứng dụng các mô hình Deep Learning vào việc xây dựng hệ thống phần mềm hỗ trợ trích xuất thông tin, phân loại và phân tích một cách tự động những dữ liệu nhận xét, đánh giá (review) trực tuyến của khách hàng ở dạng văn bản (ngôn ngữ tiếng Việt) về mức độ hài lòng: trường hợp bài toán dịch vụ khách sạn. Bài nghiên cứu sẽ tập trung giải quyết các mục tiêu cụ thể như sau: - Xác định một review tích cực (Positive) hay tiêu cực (Negative); - Tách đối tượng (được gom thành 4 nhóm đối tượng: nhân viên, phòng nghỉ, sự tiện lợi, dịch vụ) có xuất hiện trong một review; - Chấm điểm khách sạn dựa trên số review tích cực và tiêu cực; và chấm điểm 4 tiêu chí (đối tượng), dựa theo mức độ hài lòng được thể hiện trong các review của rất cả các khác hàng cho một khách sạn cụ thể. Đối tượng nghiên cứu: - Các công nghệ và kỹ thuật thiết kế hệ thống phân tích tự động; - Công nghệ trích xuất thông tin tự động (Data Crawling); - Lý thuyết xử lý ngôn ngữ tự nhiên với ngôn ngữ tiếng Việt, đánh giá mặt ngữ nghĩa trong câu; - Lý thiết về học máy (Deep Learning), lý thuyết khai phá dữ liệu (Data Mining) giúp tối ưu trí tuệ nhân tạo của việc phân tích và đưa ra kết quả Bài nghiên cứu thực hiện trong phạm vi các trang web của khách sạn, resort trên địa bàn thành phố Đà Nẵng; các website chuyên cho việc đặt phòng trực tuyến có hỗ trợ tiếp nhận ý kiến phản hồi từ khách hàng bằng ngôn ngữ tiếng Việt. Về mặt ý nghĩa khoa học, bài nghiên cứu thực nghiệm các giả thuyết về các kỹ thuật xử lý trích xuất dữ liệu tự động, xử lý ngôn ngữ tự nhiên,... cũng như các kỹ thuật học máy, khai phá dữ liệu trong huấn luyện và trang bị khả năng tự học cho hệ thống. Ngoài ra, từ kết quả nghiên cứu, các doanh nghiệp có thể tối ưu hóa chi phí, tăng hiệu suất và hiệu quả của hoạt động kinh doanh dịch vụ cũng như trải nghiệm khách hàng điện tử. 2. Cơ sở lý thuyết và phương pháp nghiên cứu 2.1. Cơ sở lý thuyết 2.1.1. Trích xuất dữ liệu tự động (Crawler) Crawler là 1 từ để ám chỉ các công cụ (phần mềm, modules, plugins) có chức năng chính là tự động phân tích dữ liệu từ nguồn nội dung sau đó bóc tách những thông tin cần thiết theo tiêu chí mà nó được lập trình viên hệ thống thiết lập. Quá trình thự ...