Sentiment Analysis (Phân tích quan điểm) là quá trình phân tích, đánh giá quan điểm của một người về một đối tượng nào đó (quan điểm mang tính tiêu cực, tích cực hay bình thường,..). Quá trình này có thể được thực hiện bằng việc sử dụng các tập luật (rule-based), sử dụng Machine Learning (đặc biệt là Deep Learning) hoặc phương pháp Hybrid (kết hợp hai phương pháp trên).

Một trong các cách đơn giản nhất ta có thể dùng là tính điểm tiêu cực/tích cực của từng từ trong câu rồi cộng tổng điểm của các từ để lấy kết quả cuối cùng. Tuy nhiên cách này thường đưa ra độ chính xác thấp và không hiệu quả. Các phương pháp hiện đại thường không chỉ đánh giá tính tiêu cực/tích cực của từng từ mà còn xét cả mối quan hệ của các từ trong câu cũng như toàn bộ cấu trúc câu. Bằng việc sử dụng Deep Learning và xây dựng Sementic Tree, tính hiệu quả và độ chính xác trong việc đánh giá quan điểm đã được cải thiện rất nhiều so với các phương pháp truyền thống [1] [2].

Sentiment Analysis được ứng dụng nhiều trong các sản phẩm thực tế, đặc biệt là trong hoạt động quảng bá kinh doanh. Việc phân tích các đánh giá của người dùng về một sản phẩm xem họ đánh giá tiêu cực, tích cực hoặc đánh giá các mặt hạn chế của sản phẩm sẽ giúp công ty nâng cao chất lượng sản phẩm và tăng cường hình ảnh của công ty. Một ví dụ khác có thể kể đến là việc phân tích quan điểm của người dân về một chính sách, quy định hay dự luật mà nhà nước chuẩn bị ban hành có thể giúp các nhà hoạch định chính sách biết được chính sách nào sẽ mang lại hiệu quả cao và được người dân ủng hộ.

[1] “CS224n: Natural Language Processing with Deep Learning.” [Online]. Available: http://web.stanford.edu/class/cs224n/. [Accessed: 27-Nov-2018].

[2] “Deeply Moving: Deep Learning for Sentiment Analysis,” Deeply Moving: Deep Learning for Sentiment Analysis. [Online]. Available: http://nlp.stanford.edu/sentiment/index.html. [Accessed: 27-Nov-2018].

Tháng Mười Một 27, 2018
ITechSeeker