TAILIEUCHUNG - Phân tích ý kiến người dùng theo khía cạnh bằng phương pháp học sâu kết hợp CNN-LSTM

Bài viết đề xuất phương pháp học sâu kết hợp CNN-LSTM để giải quyết bài toán phát hiện khía cạnh của phân tích ý kiến người dùng theo khía cạnh ở mức tài liệu. Mô hình này kết hợp những tính năng nổi bật của mỗi phương pháp CNN và LSTM, trong đó CNN hoạt động tốt trong trích xuất đặc trưng dữ liệu lớn, còn LSTM hoạt động hiệu quả trong việc phân lớp dữ liệu. | Kỷ yếu Hội nghị KHCN Quốc gia lần thứ XIII về Nghiên cứu cơ bản và ứng dụng Công nghệ thông tin FAIR Nha Trang ngày 8-9 10 2020 DOI PHÂN TÍCH Ý KIẾN NGƯỜI DÙNG THEO KHÍA CẠNH BẰNG PHƯƠNG PHÁP HỌC SÂU KẾT HỢP CNN-LSTM Bùi Thanh Hùng Nguyễn Quốc Bình Phòng Thí nghiệm Phân tích dữ liệu và Trí tuệ nhân tạo Viện Kỹ thuật - Công nghệ Đại học Thủ Dầu Một Số 6 Trần Văn Ơn Phƣờng Phú Hòa Thành phố Thủ Dầu Một Bình Dƣơng Việt Nam TÓM TẮT Trong cuộc cách mạng hiện nay cùng với sự bùng nổ mạng xã hội và thương mại điện tử nghiên cứu phân tích ý kiến người dùng theo khía cạnh dần trở thành công cụ quan trọng trong việc phân tích đánh giá quan điểm người dùng thông qua mạng xã hội trang mạng bán hàng. Qua phân tích ý kiến người dùng theo khía cạnh chúng ta sẽ nắm bắt được quan điểm người dùng hoặc khách hàng cũng như xu hướng chính trị xã hội xảy ra trong tương lai. Trước đây nhiều công trình nghiên cứu phân tích ý kiến người dùng theo khía cạnh được thực hiện dựa trên từ vựng một số dựa vào học máy. Trong những năm gần đây các mô hình học sâu như mạng nơron tích chập CNNs mạng nơron tái phát RNNs bộ nhớ ngắn dài LSTM đã được áp dụng trong nhiều bài toán và đạt hiệu quả cao. Trong nghiên cứu này chúng tôi đề xuất phương pháp học sâu kết hợp CNN-LSTM để giải quyết bài toán phát hiện khía cạnh của phân tích ý kiến người dùng theo khía cạnh ở mức tài liệu. Mô hình này kết hợp những tính năng nổi bật của mỗi phương pháp CNN và LSTM trong đó CNN hoạt động tốt trong trích xuất đặc trưng dữ liệu lớn còn LSTM hoạt động hiệu quả trong việc phân lớp dữ liệu. Kết quả thực nghiệm trên bộ dữ liệu tiếng Việt VLSP 2018 cho thấy phương pháp được đề xuất tốt hơn các phương pháp nghiên cứu trước đó nếu chỉ dựa vào một phương pháp đơn lẻ. Từ khóa Phân tích ý kiến người dùng theo khía cạnh xác định khía cạnh học sâu kết hợp CNN LSTM CNN-LSTM. I. GIỚI THIỆU Trong những năm gần đây phân tích ý kiến ngƣời dùng trở thành đề tài .

• Quản trị mạng
• Phân tích ý kiến người dùng theo khía cạnh
• Học sâu kết hợp
• Phương pháp học sâu kết hợp CNN LSTM
• Phương pháp CNN
• phương pháp LSTM
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Hệ thống thông tin
• Hệ thống thông tin
• Phương pháp học sâu
• Xử lý ngôn ngữ tự nhiên
• Mạng notron nhận tạo
• Phát hiện DGA botnet
• Phát hiện tấn công mạng
• An ninh mạng
• Phương pháp cải tiến LSTM
• Long Short Term Memory
• Hệ thống HVAC
• Hệ thống kiểm soát nhiệt độ
• Mô hình mạng LSTM
• Mạng nơron nhân tạo
• Phương pháp Monte Carlo
• Cơ chế sự chú ý
• Hệ thống hỏi đáp cộng đồng
• Mô hình học sâu
• Bài toán xử lý ngôn ngữ tự nhiên
• Mô hình match LSTM
• Đồ án tốt nghiệp
• Đồ án tốt nghiệp Công nghệ thông tin
• Mô hình Word2Vec
• Xử lý cho dữ liệu tiếng Việt
• Tự động hóa và điều khiển
• Dữ liệu IoT
• Mạng nơ ron sâu
• Dự đoán mẫu hành vi
• Mạng nơ ron LSTM