001 24129
002 7
004 209A75E9-ADAA-4E63-A498-61E15AA26CEE
005 202301301404
008 081223s2020||||vm|#################vie#d
009 1 0
039 ## $a20230130140437 $bdtmkhue $y20221104094505 $zdtmkhue
082 ## $a000 $bTA-K
100 $aTạ, Văn Khoa
245 ## $aPhân lớp ý kiến khách hàng và ứng dụng trong hệ tư vấn bán hàng trực tuyến / $cTạ Văn Khoa; NHDKH PGS.TS Đoàn Văn Ban
260 ## $aH. : $bTrường Đại học Mở Hà Nội, $c2020
300 ## $a79 tr. ; $cA4
490 ## $aBộ Giáo dục và Đào tạo; Trường Đại học Mở Hà Nội
520 ## $aMỤC TIÊU NGHIÊN CỨU Nghiên cứu tổng quan về một số kỹ thuật phân lớp văn bản như: Naïve Bayes (NB), Support Vector Machine (SVM) , K-Nearest Neighbor (K-NN) , Linear Least Square Fit (LLSF) , Centroid – based vector. Nghiên cứu một số kỹ thuật sử dụng để phân lớp ý kiến khách hàng trên sản phẩm bán hàng trực tuyến. Đề xuất cải tiến hoàn thiện module thu thập dữ liệu và module xử lý dữ liệu ngôn ngữ kết hợp với thuật toán SVM phân tích phân lớp ý kiến khách hàng và ứng dụng trong hệ tư vấn bán hàng trực tuyến ĐỐI TƯỢNG VÀ PHẠM VI NGHIÊN CỨU Đối tượng: ý kiến khách hàng và ứng dụng trong hệ tư vấn bán hàng trực tuyến. Phạm vi: Hệ thống xử lý văn bản được ứng dụng trong hệ tư vấn bán hàng trực tuyến trên dòng xe ô tô VinFast Fadil bản tiêu chuẩn. KẾT QUẢ: Kết quả bước đầu cho thấy, khi tiến hành thay đổi kích thước tệp huấn luyện và tệp kiểm thử thì thu được các kết quả tương đối chính xác lên đến 98% với trường hợp tệp huấn luyện/ kiểm thử tỷ lệ 50/50. Trường hợp tệp huấn luyện/ kiểm thử tỷ lệ 80/20 thì độ chính xác chỉ là 57%. Đối chiếu với tỷ lệ ý kiến Tích cực/ tiêu cực ta thấy độ chính xác được đảm bảo khi tỷ lệ các lớp dữ liệu xấp xỉ bằng 50/50. Điều này cho thấy thuật toán SVM phân lớp dữ liệu cho kết quả khác chính xác lên đến trên 98% khi tệp huấn luyện đảm bảo tỷ lệ giữa các phân lớp bằng 1. KẾT LUẬN: Luận văn nghiên cứu tổng quan về học máy và đi sâu nghiên cứu thuật toán học máy SVM – một phương pháp học máy có giám sát được sử dụng khá phổ biến. Trên cơ sở đó, luận văn triển khai xây dựng mô hình ứng dụng SVM trong việc giải quyết bài toán phân lớp ý kiến khách hàng và ứng dụng trong hệ tư vấn bán hàng trực tuyến. Cụ thể, luận văn đã đạt được các kết quả sau: - Trình bày phương pháp học máy và bài toán phân lớp ý kiến khách hàng và ứng dụng trong hệ tư vấn bán hàng trực tuyến trong các lĩnh vực công nghệ thông tin - Giới thiệu thuật toán học máy SVM, các dạng SVM và ứng dụng của SVM trong phân loại văn bản. - Từ các nghiên cứu trên xây dựng mô hình phân loại ý kiến phản hồi, sử dụng bộ công cụ Weka đánh giá sản phẩm trên các website bán hàng dựa trên ý kiến của người dùng trên internet bao gồm việc xây dựng mô hình, thử nghiệm mô hình, kết quả và nhận xét kết quả. Các kết quả nghiên cứu trên có thể sử dụng làm cơ sở cho việc xây dựng những hệ thống phân loại ý kiến khách hàng trên website.
541 ## $aTài liệu nội sinh
653 ## $aPhân lớp
653 ## $aHệ tư vấn bán hàng trực tuyến
653 ## $aÝ kiến khách hàng
856 1# $uhttp://thuvien.hou.edu.vn/houkiposdata2/luanvanluanankhoaluan/luanvan/2022/000/tavankhoa/tavankhoa_01thumbimage.jpg
890 ## $a0 $c1