Xác định khía cạnh tiềm ẩn trong ý kiến dựa trên phương pháp học sâu và ontology

Bài viết "Xác định khía cạnh tiềm ẩn trong ý kiến dựa trên phương pháp học sâu và ontology" đề xuất một phương pháp xác định khía cạnh không dựa trên từ khóa mà dựa trên ngữ nghĩa của ý kiến. Để xác định được khía cạnh được đánh giá trong ý kiến, bài báo này sử dụng phương pháp nhúng tri thức từ ontology vào kho ngữ liệu huấn luyện các giải thuật học sâu. Cấu trúc của ontology sử dụng trong bài báo này dựa trên mối quan hệ giữa từ chỉ khía cạnh và từ chỉ cảm xúc trong lĩnh vực đánh giá xe ô tô. Mời các bạn cùng tham khảo!
Nội dung trích xuất từ tài liệu:
Xác định khía cạnh tiềm ẩn trong ý kiến dựa trên phương pháp học sâu và ontology Hội nghị Quốc gia lần thứ 26 về Điện tử, Truyền thông và Công nghệ Thông tin (REV-ECIT2023) Xác định khía cạnh tiềm ẩn trong ý kiến dựa trên phương pháp học sâu và ontology Huỳnh Trung Trụ, Nguyễn Ngọc Duy, Phan Nghĩa Hiệp và Nguyễn Thị Bích Nguyên Khoa Công Nghệ Thông Tin II, Học Viện Công Nghệ Bưu Chính Viễn Thông Email: truht@ptit.edu.vn, duynn@ptit.edu.vn, hieppn@ptit.edu.vn, nguyenntb@ptit.edu.vn Tóm tắt — Phân tích cảm xúc dựa trên khía cạnh là một không phải là một khía cạnh của máy tính xách tay. bài toán rất được quan tâm trong khai phá ý kiến. Việc Với những sản phẩm có đặc tính kỹ thuật đa dạng và xác định chính xác khía cạnh được đánh giá trong ý kiến phức tạp như xe ô tô thì xác định khía cạnh như vậy góp phần nâng cao hiệu năng cho bài toán phân tích cảm trong nhiều trường hợp sẽ không thật chính xác. Ví dụ: xúc. Bài báo này đề xuất một phương pháp xác định khía “Mình đã lái thử chiếc này, vần vô lăng thấy rất nhẹ cả cạnh không dựa trên từ khóa mà dựa trên ngữ nghĩa của ở trong phố lẫn trên cao tốc”. Nếu chỉ dựa vào từ khóa ý kiến. Để xác định được khía cạnh được đánh giá trong thì khía cạnh được xác định trong câu này là “vô lăng”. ý kiến, bài báo này sử dụng phương pháp nhúng tri thức Tuy nhiên, nếu xét theo ngữ nghĩa thì khía cạnh “an từ ontology vào kho ngữ liệu huấn luyện các giải thuật toàn” đang được đánh giá, vì vô lăng nhẹ khi xe chạy học sâu. Cấu trúc của ontology sử dụng trong bài báo này dựa trên mối quan hệ giữa từ chỉ khía cạnh và từ chỉ tốc độ cao sẽ ảnh hưởng đến tính an toàn của xe. cảm xúc trong lĩnh vực đánh giá xe ô tô. Kho ngữ liệu Với các bộ dữ liệu có nhãn khía cạnh dựa trên từ được gán nhãn khía cạnh cũng không chỉ dựa trên từ khóa thì việc xác định khía cạnh sẽ không đòi hỏi các khóa chỉ khía cạnh mà dựa theo ngữ nghĩa của câu. Kết phương pháp phân tích phức tạp. Các công trình [2] và quả thử nghiệm đạt độ chính xác cao cho thấy triển vọng [3] chủ yếu rút trích xuất đặc trưng ở mức khía cạnh cao của hướng tiếp cận này. thông qua mạng neural hồi quy (recurrent neural networks – RNN) hoặc mạng neural tích chập Từ khóa - Corpus, Deep Learning, Aspect, Sentiment Analysis, Ontology. (convolutional neural networks – CNN) với cơ chế chú ý (attention mechanism) cho phân tích cảm xúc. Tuy nhiên, những phương pháp này chỉ dựa vào khả năng I. GIỚI THIỆU của các giải thuật mà chưa khai thác tri thức từ một Phân tích cảm xúc dựa trên khía cạnh là bài toán nguồn bên ngoài phạm vi dữ liệu huấn luyện. Với phân tích cảm xúc chi tiết theo các khía cạnh quan nguồn tri thức bên ngoài dữ liệu được bổ sung, các giải trọng trong ý kiến. Bài toán nhằm mục đích phân tích thuật học máy có thể học được đầy đủ các đặc trưng và hiểu quan điểm của mọi người ở cấp độ khía cạnh chủ đề của dữ liệu dùng trong huấn luyện. và đã nhận được nhiều sự chú ý trong thập kỷ qua. Có Bài báo này đề xuất phương pháp xác định khía thể có nhiều khía cạnh khác nhau được đề cập trong cạnh dựa trên các phương pháp học sâu. Trong đó dữ một câu. Mỗi khía cạnh có thể có một thái cực khác liệu dùng cho việc huấn luyện các giải thuật học sâu nhau của cảm xúc. Bài toán phân tích cảm xúc theo được nhúng tri thức từ ontology về khía cạnh và cảm khía cạnh có nhiều ứng dụng thực tế. Ví dụ: phân tích xúc liên quan đến đối tượng được đánh giá. Phương cảm xúc dựa trên khía cạnh để đánh giá hàng hóa có pháp nhúng tri thức từ ontology vào kho ngữ liệu thể trích xuất cảm xúc của người dùng về các phần (knowledge processing and representation based on khác nhau của hàng hóa và cung cấp tài liệu tham khảo ontology - KPRO) được Nguyen D.N. và cộng sự [4] chi tiết hơn cho nhà sản xuất để cải tiến sản phẩm hơn giới thiệu dùng cho bài toán phân tích cảm xúc. Dùng nữa. các phương pháp học sâu, vớ ...