NGHIÊN CỨU THUẬT TOÁN HỌC MÁY SVM VÀ ỨNG DỤNG TRONG BÀI TOÁN KHAI PHÁ Ý KIẾN PHẢN HỒI CỦA KHÁCH HÀNG TRÊN WEBSITE Hệ thống thông tin MỞ ĐẦU Với sự phát triển mạnh mẽ của mạng Internet, thương mại điện tử, thời đại của công nghệ thông tin. Mọi người có cơ hội chia sẽ những ý kiến, quan điểm của mình, đưa các bài đánh giá về các sản phẩm tại các trang web thương mại điện tử và diễn đạt quan điểm của họ trên hầu hết bất kỳ thứ gì ở diễn đàn, nhóm thảo luận và các blog, các tác phẩm văn học mà họ đọc, chúng được gọi chung là nội dung do người dùng tạo ra. Một cá nhân nếu muốn mua một sản phẩm, cá nhân đó không nhất thiết phải giới hạn tham khảo bạn bè và gia đình nữa bởi vì có nhiều người đánh giá sản phẩm trên trang Web đó đưa những ý kiến liên quan đến việc sử dụng sản phẩm. Đây là nguồn thông tin quan trọng, cung cấp cho người mua hàng cái nhìn toàn diện hơn về một sản phẩm mà họ định mua. Còn đối với nhà sản xuất, đánh giá của khách hàng là cơ sở để tiến hành cải tiến, hoàn thiện sản phẩm của mình. Tuy nhiên, việc tìm kiếm những nguồn ý kiến và giám sát chúng trên Web vẫn là một công việc hết sức khó khăn bởi vì có một số lượng lớn những nguồn khác nhau và mỗi nguồn ngoài ra còn có số lượng lớn văn bản ý kiến hoặc 2 cảm nghĩ. Trong nhiều trường hợp, các ý kiến thường ẩn bên trong những bài viết dài. Điều đó gây khó khăn cho người đọc để tìm kiếm các nguồn liên quan, trích nhữngcâu liên quan đến quan điểm đánh giá, đọc, tóm tắt và tổ chức chúng thành dạng có thể sử dụng được. Do đó, việc nghiên cứu phát triển hệ thống tự động là cần thiết trong việc phát hiện, tổng hợp và phân loại các ý kiến người dùng. Phân tích cảm nghĩ, còn được biết đến như khai thác ý kiến, phát triển lên từ những nhu cầu này. Đây là một bài toán lớn nhiều thách thức đối trong lĩnh vực xử lý ngôn ngữ tự nhiên và khai phá văn bản. Theo hướng nghiên cứu thuật toán học máy để xử lý nguồn dữ liệu như đã đề cập, tôi chọn đề tài “Nghiên cứu thuật toán học máy SVM và ứng dụng trong bài toán khai phá ý kiến phản hồi của khách hàng trên website” làm đề tài luận văn thạc sỹ của mình. Luận văn gồm 3 chương chính với các nội dung sau: Chương 1 – Tổng quan về học máy và bài toán khai phá ý kiến phản hồi khách hàng - trình bày các khái niệm về cơ bản của học máy và giới thiệu khái quát về bài toán khai 3 phá ý kiến phản hồi khách hàng và ứng dụng của nó trong các lĩnh vực công nghệ thông tin. Chương 2 – Phương pháp học máy SVM – trình bày cơ sở thuật toán học máy SVM, các dạng SVM và ứng dụng của SVM. Chương 3 - Ứng dụng SVM vào bài toán khai phá ý kiến phản hồi khách hàng trên website – xây dựng mô hình ứng dụng SVM vào việc giải quyết bài toán khai phá ý kiến phản hồi khách hàng trên website, cài đặt thử nghiệm và đánh giá kết quả thu được. Chương 1 – TỔNG QUAN VỀ HỌC MÁY VÀ BÀI TOÁN KHAI PHÁ Ý KIẾN PHẢN HỒI KHÁCH HÀNG 1.1. Tổng quan về học máy 1.1.1 Giới thiệu học máy Học máy (Machine Learning) là một ngành khoa học nghiên cứu các thuật toán cho phép máy tính có thể học được các khái niệm (concept). Cụ thể hơn, học máy là một phương pháp để tạo ra các chương trình máy tính 4 bằng việc phân tích các tập dữ liệu. Học máy có liên quan mật thiết đến thống kê, vì cả hai lĩnh vực đều nghiên cứu việc phân tích dữ liệu. Tuy nhiên khác với thống kê, học máy tập trung vào sự phức tạp của các giải thuật trong việc thực thi tính toán.
HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - NGUYỄN THỊ LAN ANH NGHIÊN CỨU THUẬT TOÁN HỌC MÁY SVM VÀ ỨNG DỤNG TRONG BÀI TOÁN KHAI PHÁ Ý KIẾN PHẢN HỒI CỦA KHÁCH HÀNG TRÊN WEBSITE Chuyên ngành: Hệ thống thơng tin Mã số: 60.48.01.04 TĨM TẮT LUẬN VĂN THẠC SĨ Hà Nội - 2013 Luận văn hoàn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: TS HOÀNG XUÂN DẬU Phản biện 1: …………………………………………………………………… Phản biện 2: …………………………………………………………………… Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Cơng nghệ Bưu Viễn thơng Vào lúc: ngày tháng năm Có thể tìm hiểu luận văn tại: - Thư viện Học viện Cơng nghệ Bưu Viễn thơng MỞ ĐẦU Với phát triển mạnh mẽ mạng Internet, thương mại điện tử, thời đại công nghệ thơng tin Mọi người có hội chia ý kiến, quan điểm mình, đưa đánh giá sản phẩm trang web thương mại điện tử diễn đạt quan điểm họ hầu hết thứ diễn đàn, nhóm thảo luận blog, tác phẩm văn học mà họ đọc, chúng gọi chung nội dung người dùng tạo Một cá nhân muốn mua sản phẩm, cá nhân khơng thiết phải giới hạn tham khảo bạn bè gia đình có nhiều người đánh giá sản phẩm trang Web đưa ý kiến liên quan đến việc sử dụng sản phẩm Đây nguồn thông tin quan trọng, cung cấp cho người mua hàng nhìn tồn diện sản phẩm mà họ định mua Còn nhà sản xuất, đánh giá khách hàng sở để tiến hành cải tiến, hồn thiện sản phẩm Tuy nhiên, việc tìm kiếm nguồn ý kiến giám sát chúng Web công việc khó khăn có số lượng lớn nguồn khác nguồn ngồi cịn có số lượng lớn văn ý kiến cảm nghĩ Trong nhiều trường hợp, ý kiến thường ẩn bên viết dài Điều gây khó khăn cho người đọc để tìm kiếm nguồn liên quan, trích nhữngcâu liên quan đến quan điểm đánh giá, đọc, tóm tắt tổ chức chúng thành dạng sử dụng Do đó, việc nghiên cứu phát triển hệ thống tự động cần thiết việc phát hiện, tổng hợp phân loại ý kiến người dùng Phân tích cảm nghĩ, cịn biết đến khai thác ý kiến, phát triển lên từ nhu cầu Đây toán lớn nhiều thách thức đối lĩnh vực xử lý ngôn ngữ tự nhiên khai phá văn Theo hướng nghiên cứu thuật toán học máy để xử lý nguồn liệu đề cập, chọn đề tài “Nghiên cứu thuật toán học máy SVM ứng dụng toán khai phá ý kiến phản hồi khách hàng website” làm đề tài luận văn thạc sỹ Luận văn gồm chương với nội dung sau: Chương – Tổng quan học máy toán khai phá ý kiến phản hồi khách hàng - trình bày khái niệm học máy giới thiệu khái quát toán khai phá ý kiến phản hồi khách hàng ứng dụng lĩnh vực công nghệ thông tin Chương – Phương pháp học máy SVM – trình bày sở thuật tốn học máy SVM, dạng SVM ứng dụng SVM Chương - Ứng dụng SVM vào toán khai phá ý kiến phản hồi khách hàng website – xây dựng mơ hình ứng dụng SVM vào việc giải toán khai phá ý kiến phản hồi khách hàng website, cài đặt thử nghiệm đánh giá kết thu Chương – TỔNG QUAN VỀ HỌC MÁY VÀ BÀI TOÁN KHAI PHÁ Ý KIẾN PHẢN HỒI KHÁCH HÀNG 1.1 Tổng quan học máy 1.1.1 Giới thiệu học máy Học máy (Machine Learning) ngành khoa học nghiên cứu thuật toán cho phép máy tính học khái niệm (concept) Cụ thể hơn, học máy phương pháp để tạo chương trình máy tính việc phân tích tập liệu Học máy có liên quan mật thiết đến thống kê, hai lĩnh vực nghiên cứu việc phân tích liệu Tuy nhiên khác với thống kê, học máy tập trung vào phức tạp giải thuật việc thực thi tính tốn 1.1.2 Học khơng giám sát, học có giám sát học bán giám sát 1.1.2.1 Học không giám sát Học máy không giám sát (unsupervised learning) phương pháp học máy nhằm tìm mơ hình phù hợp với quan sát Cho trước mẫu gồm đối tượng (objects),cần tìm kiếm cấu trúc quan tâm (interesting structures) liệu, nhóm đối tượng giống 1.1.2.2 Học có giám sát Học có giám sát (supervised learning) kĩ thuật ngành học máy để xây dựng hàm (function) từ tập liệu huấn luyện Dữ liệu huấn luyện bao gồm cặp gồm đối tượng đầu vào (thường dạng vec-tơ), đầu mong muốn Đầu hàm giá trị liên tục (gọi hồi qui), dự đốn nhãn phân loại cho đối tượng đầu vào (gọi phân loại) 1.1.2.3 Học bán giám sát Học bán giám sát (semi-supervised learning) lớp kỹ thuật học máy, sử dụng liệu gán nhãn chưa gán nhãn để huấn luyện - điển hình lượng nhỏ liệu có gán nhãn với lượng lớn liệu chưa gán nhãn Học bán giám sát đứng học không giám sát (không có liệu nhãn nào) có giám sát (tồn liệu gán nhãn) 1.1.3 Ứng dụng học máy Học máy có ứng dụng rộng khắp ngành khoa học/sản xuất, đặc biệt ngành cần phân tích khối lượng liệu khổng lồ, cụ thể: - Xử lý ngôn ngữ tự nhiên (Natural Language Processing) - Máy tìm kiếm (Search Engine) - Vật lý: phân tích ảnh thiên văn, tác động hạt … - - Phát biểu toán khai phá ý kiến phản hồi khách hàng 1.2.1 Khai phá ý kiến phản hồi trực tiếp Khai phá ý kiến đánh giá trực tiếp bao gồm tốn điển hình: 1.2.1.1 Phân loại quan điểm Phân loại chủ quan Khái niệm chủ quan ngôn ngữ tự nhiên đề cập đến khía cạnh ngơn ngữ dùng để bày tỏ ý kiến đánh giá Phân loại cảm nghĩ Phân loại cảm nghĩ bao gồm hai loại, phân loại cảm nghĩ nhị phân (binary sentiment classification) phân loại cảm nghĩ nhiều loại (multi-class sentiment classification) 1.2.1.2 Khai phá ý kiến dựa khía cạnh Để có ý kiến phản hồi khách hàng sản phẩm mà cung cấp tổ chức bán hàng trực tuyến mời khách hàng đánh giá sản phẩm mà họ mua Nhìn chung có dạng khn mẫu ý kiến Web sau: - Ưu điểm, khuyết điểm chi tiết nhận xét - Ưu điểm khuyết điểm - Dạng tự 1.2.2 Khai phá ý kiến phản hồi gián tiếp Ngồi khai thác ý kiến trực tiếp khai thác ý kiến gián tiếp phần quan trọng khai phá ý kiến phản hồi khách hàng Đối với khai phá ý kiến gián tiếp liệu sử dụng câu so sánh Ví dụ: ta có câu so sánh sau đây: - “Tủ lạnh loại A tốt Tủ lạnh loại B” - “Tủ lạnh loại A tốt” 1.3 Khảo sát số phương pháp thử nghiệm phân loại ý kiến khách hàng Tham khảo thông tin nhu cầu người muốn mua sản phẩm sử dụng dịch vụ Mơ tả liệu dùng để thử nghiệm Các phản hồi sách Website gồm thông tin sau: - Nội dung phản hồi - Đánh giá sách theo thang điểm 1.3.1 Phương pháp mạng Bayes đơn giản Phân loại Bayes đơn giản phương pháp phân loại sử dụng tri thức xác suất qua huấn luyện Phương pháp thích hợp với lớp tốn địi hỏi phải dự đốn xác lớp mẫu cần kiểm tra dựa thông tin từ tập huấn luyện ban đầu Cách tiếp cận phương pháp giả định tất câu báo quan điểm kiện câu quan điểm kiện Ngoài ra, diện từ hướng ngữ nghĩa (khen chê) câu báo câu chủ quan 1.3.2 Phương pháp từ vựng Phương pháp dựa từ vựng chiến lược Turney Littman [14] để cập xây dựng dựa ý tưởng lượng hóa ngữ nghĩa văn thành giá trị cụ thể, giá trị thể cực văn đó, cực dương cực âm Giá trị sau lượng hóa gọi 10 Ban đầu thuật toán SVM thiết kế cho toán phân lớp nhị phân Ý tưởng D sau : Cho X= {xi } tập véctơ không gian R xi thuộc hai lớp yi = -1 yi = +1 Ta có tập điểm liệu huấn luyện biểu diễn sau : {xi , yi } với i = 1…l, yi ∈ {-1, 1}, l số điểm liệu huấn luyện Mục tiêu SVM xây dựng siêu phẳng hai lớp cho khoảng cách từ tới điểm gần siêu phằng hai lớp cực đại Siêu phẳng mơ tả phương trình : w.x+b=0 (2.1) Hình học véctơ lề || || việc cực đại hóa với ràng buộc điều kiện : + b ≥ +1 - , =+1 (2.2) + b ≤ -1 - , =-1 (2.3) 2.2 SVM tuyến tính SVM cho tốn phân lớp tuyến tính hình thức đơn giản việc phân lớp phân lớp nhị phân: phân biệt đối tượng thuộc hai lớp: dương (+1) 11 âm (-1) SVM sử dụng hai khái niệm để giải vấn đề này: phân lớp biên rộng hàm kernel Ranh giới định chia không gian thành hai tập tùy thuộc vào dấu hàm f (x) = + b.Với tập liệu khả tách tuyến tính có tồn mặt phẳng phânlớp tất điểm liệu 2.2.1 SVM biên cứng SVM biên cứng áp dụng liệu khả tách tuyến tính cho kết phân lớp cách xác với tất liệu dạng 2.2.1.1 Huấn luyện SVM Giả sử tập mẫu có gồm m phần tử là: ( , 1), ( , 2) …,( , ) , ∈ cịn ∈ {-1,1} phân lớp Cần xác định siêu phẳng mà tách biệt lớp 12 Hình 2.4.Siêu phẳng phân chia hai tập mẫu Giả sử phương trình siêu phẳng cần tìm w.x +b =0 w pháp vector siêu phẳng w ∈ Ta có hai bất phương trình sau: w +b ≤-1 với w +b≥+1 với =-1 =+1 (2.7) (2.8) Lúc support vector thỏa mã phương trình w +b = -1 nằm siêu phằng , phương trình w +b = -1 nằm siêu phẳng 2, Suy khoảng cách phân hoạch d : d= || - 2|| = 2/||w|| Do để có d lớn thì||w|| phải nhỏ hay nói cách khác phải tìm cực tiểu 2 || || 13 2.2.2 SVM biên mềm Trong trường hợp tổng quát, tập mẫu tập không phân chia tuyến tính siêu phằng Kết lý thuyết thực nghiệm cho thấy với biên lớn SVM biên mềm cho hiệu tốt so với SVM biên cứng Ta có tốn tìm cực tiểu || || + ∑ =1 ξ theo w, b với ràng buộc: ( + b) ≥1 - ξ , ξ ≥ (2.17) 2.3 SVM phi tuyến Trong trường hợp tổng quát, thực tế mặt phân hoạch mặt phi tuyến Giả sử mẫu thuộc không gian , không gian gọi không gian giả thiết Để tìm mặt phi tuyến khơng gian này, áp dụng thủ thuật ánh xạ vector mẫu từ vào khơng gian có số chiều lớn (d>n, d ∞) Sau áp dụng phương SVM tuyến tính để tìm siêu phẳng phân hoạch không gian đặc trưng Siêu phẳng ứng với mặt phi tuyến không gian 14 Với ánh xạ mặt hình vng [-1,1] x [-1,1] khơng gian trở thành mặt công 3 không gian Bây dung mặt phằng khơng gian chia mặt cơng thành hai phần (mà khơng gian phải dung đường cơng có kết q phân chia tương ứng) Tóm lại phương pháp SVM phi tuyền tìm hàm Kernel K(x,y) sau giải toán sort-margin hyperplane với việc thay x1x2 = K(x1x2) để tìm u b 2.4 Một số ứng dụng SVM tồn trích rút thơng tin 2.4.1 Phân loại văn với SVM Phân loại văn tiến trình đưa văn chưa biết chủ để vào lớp văn để biết (tương ứng với chủ để hay lĩnh vực khác nhau) Để thực trình phân loại, phương pháp huấn luyện sử dụng để xây dựng phận loại từ tài liệu mẫu, sau sử dụng phân loại từ tài liệu mẫu, sau sử dung phân loại để dự đoán lớp tài liệu Với phương pháp SVM, trở nên thích hơp cho phân loại văn 15 bỏ số nhược điểm số phương pháp khác không mát thông tin, dẫn đến độ xác phân loại khơng cao 2.4.2 Bài tốn phát vị trí cắt -nối Như biết, vị trí cắt-nối DNA ranh giới exon (mã cho phần protein) intron (không mang thơng tin mã hóa) Xác định xác vị trí cắt-nối giúp dễ dàng xác định xác vị trí gen DNA Từ phần lớn DNA phân tích gen, vấn đề xác định xác vị trí cắt-nối lại quan trọng SVM đãđược áp dụng thành cơng nhiều lĩnh vực có vấn đề tin sinh học (Jaakkola Haussler, 1999) SVM đơn giản sử dụng cho phân lớp nhị phân: phân biệt vị trí cho (vị trí ranh giới exon-intron) vị trí nhận (vị trí ranh giới intron-exon) từ vị trí nghi vấn Đã có nhiều nhóm nghiên cứu sử dụng SVM có kết tốt 16 Chương – ỨNG DỤNG SVM VÀO BÀI TOÁN KHAI PHÁ Ý KIẾN PHẢN HỒI KHÁCH HÀNG TRÊN WEBSITE 3.1 Xây dựng mơ hình ứng dụng khai phá ý kiến phản hồi khách hàng website dựa SVM 3.1.1 Phát biểu toán - Input: tập liệu (text) thông tin phản hồi sản phẩm mà khách hàng nhận xét trang bán hàng trực tuyến - Output: xác định xem, phản hồi tích cực hay tiêu cực trang web 3.1.2 Mơ hình ứng dụng khai phá ý kiến phản hồi khách hàng website dựa SVM Các bước trình phân lớp văn thực sau: 17 Tập liệu phân lớp Dữ liệu website bán hàng trực tuyến Module Module thu phân lớp thập liệu Phản hồi khách Hàng Module tiền Tập đặc xử lý liệu trưng (các Hình 3.1 Mơ hình tốn khai phá ý kiến phản hồi khách hàng website dựa SVM 3.1.2.1 Thu thập liệu Thu thập liệu phục vụ cho công việc phân loại (SVM) khâu quan trọng, cần tập liệu huấn luyện đủ lớn để áp dụng thuật toán học phân loại 18 3.1.2.2 Tiền xử lý liệu Quá trình tách từ Với tập văn đầu vào, thông qua module tách từ, từ trongvăn nhận biết, từ biểu diễn cặp dấu ngoặc vuông ( / / ) cách kí tự trắng Quá trình loại bỏ từ dừng Từ dừng (stop-words) dùng để từ mà xuất nhiều văn toàn tập kết quả, thường khơng giúp ích việc phân biệt nội dung tài liệu Loại bỏ tiền tố hậu tố Loại bỏ tiền tố hậu tố (tiếng Anh Stemming) tiến hành việc loại bỏ tiền tố hậu tố từ để biến đổi thành từ gốc Biểu diễn văn mơ hình không gian vector