TAILIEUCHUNG - Mô hình hệ thống khai thác dữ liệu phi cấu trúc hỗ trợ khách hàng ra quyết định mua hàng trực tuyến

Bài viết Mô hình hệ thống khai thác dữ liệu phi cấu trúc hỗ trợ khách hàng ra quyết định mua hàng trực tuyến đề xuất một mô hình kiến trúc hệ thống hỗ trợ khách hàng ra quyết định mua hàng trực tuyến dựa trên phương pháp khai thác dữ liệu phi cấu trúc. Dữ liệu nghiên cứu được thu thập trên các trang thương mại điện tử lớn của Việt Nam, sau đó được phân loại thành tích cực hoặc tiêu cực bởi các mô hình của phương pháp học máy có giám sát. | ISSN 1859-1531 - TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ - ĐẠI HỌC ĐÀ NẴNG VOL. 20 NO. 2022 23 MÔ HÌNH HỆ THỐNG KHAI THÁC DỮ LIỆU PHI CẤU TRÚC HỖ TRỢ KHÁCH HÀNG RA QUYẾT ĐỊNH MUA HÀNG TRỰC TUYẾN AN UNSTRUCTURED DATA MINING SYSTEM MODEL TO SUPPORT CUSTOMERS IN MAKING ONLINE PURCHASING DECISIONS Lê Triệu Tuấn1 Phạm Minh Hoàn2 1 Trường Đại học Công nghệ Thông tin và Truyền thông Đại học Thái Nguyên 2 Trường Đại học Kinh tế Quốc dân Tác giả liên hệ lttuan@ Nhận bài 19 9 2022 Chấp nhận đăng 20 11 2022 Tóm tắt - Những dạng dữ liệu phi cấu trúc được khách hàng để lại Abstract - The types of unstructured data left behind by customers trên không gian mạng hiện nay ngày càng trở nên quan trọng đối với in cyberspace are becoming more important for online businesses. các doanh nghiệp kinh doanh trực tuyến. Dữ liệu đó là những bình luận That type of unstructured data is textual comments containing dưới dạng văn bản ẩn chứa trong đó là cảm xúc của khách hàng liên feelings of customers related to the quality of the items which they quan tới chất lượng của các sản phẩm mà họ quan tâm. Nghiên cứu này are interested in. This study aims to propose a system architecture đề xuất một mô hình kiến trúc hệ thống hỗ trợ khách hàng ra quyết định model to support customers in making online purchasing decisions mua hàng trực tuyến dựa trên phương pháp khai thác dữ liệu phi cấu based on the unstructured data mining. Research data are trúc. Dữ liệu nghiên cứu được thu thập trên các trang thương mại điện customers comments collected on major Vietnamese e-commerce tử lớn của Việt Nam sau đó được phân loại thành tích cực hoặc tiêu websites and then classified into positive or negative by models of cực bởi các mô hình của phương pháp học máy có giám sát. Sau khi Supervised Machine Learning methods. After testing and thử nghiệm và đánh giá chúng tôi đã lựa chọn mô hình Support Vector evaluated we selected the Support Vector Machine SVM model Machine SVM có độ chính xác cao nhất để làm mô hình

• Thương mại điện tử
• Khai thác dữ liệu phi cấu trúc
• Học máy có giám sát
• Phương pháp học máy
• Hệ hỗ trợ ra quyết định mua hàng
• Mô hình phân loại cảm xúc
• Tạp chí Khoa học
• Khai thác dữ liệu
• Dữ liệu lớn
• Hệ sinh thái Hadoop
• Dữ liệu bán cấu trúc
• Dữ liệu phi cấu trúc
• Kỷ yếu hội nghị Quốc gia về Điện tử truyền thông
• Từ điển cảm xúc
• Phân loại cảm xúc
• Phân tích cảm xúc
• Phương pháp học máy Support Vector Machine
• Mô hình học sâu
• Khai phá dữ liệu giáo dục
• Phân loại văn bản
• Xây dựng bộ dữ liệu cảm xúc
• Xây dựng bộ dữ liệu UPT