Thiết kế giao diện và các chức năng phần mềm hỗ trợ người dùng sử dụng thuật toán

TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT KHOA KỸ THUẬT CÔNG NGHỆ Tên đề tài: NGHIÊN CỨU RÚT TRÍCH THƠNG TIN DỰA TRÊN CƠ SỞ PHÂN TÍCH CẢM XÚC Mã số: Chuyên đề: 11 rpi • Aj ■ A • ■ • A A _ A _ A — _■ĩ ĩ _ Thiết kế giao diện chức phần mềm hỗ trợ người dùng sử dụng thuật toán Chủ nhiệm đề tài : ThS.Nguyễn Tấn Lộc Người chủ trì thực chuyên đề : ThS.Nguyễn Tấn Lộc Bình Dương, 08/01/2018 Mục lục Danh mục chữ viết tắt TF: term frequency IDF: inverse document frequency TF.IDF: term frequency inverse document frequency DTM: document term matrix Logistic: hồi quy logistic P(A): Xác xuất kiện A 10 NER: Named Entity Recognition 11 SoA: Sentiment analysis - Phân tích cảm xúc 12 Đặt vấn đề 13 - Câu truy vấn người dùng đưa vào hệ thống đề xuất (mơ hình hình chun đề 4) Câu truy vấn khơng địi hỏi phải cú pháp có cấu trúc 14 - Hệ thống thực bước tiền xử lý nêu chuyên đề với câu truy vấn để xác định câu truy vấn có cảm xúc khơng, có giá trị positive hay negative 15 - Nếu câu truy vấn mang yếu tố chủ quan (có cảm xúc), hệ thống xác định xem câu truy vấn có giá trị positive hay negative, để người dùng định rút trích thơng tin từ tập tin có cảm xúc sở liệu 16 - Sau xác định tập liệu cảm xúc để rút trích thơng tin cho câu truy vấn, hệ thống thực rút trích phương pháp rút trích thơng tin mà luận văn lựa chọn chia nhỏ câu truy vấn thành vectơ từ so trùng với sở liệu phân loại Các giải thuật viết python Phương pháp nghiên cứu, cách tiếp cận 17 - Thiết kế giao diện HTML, CSS 18 - Sử dụng ngơn ngữ lập trình python với IDE jupyter notebook 19 Câu văn tối đa 100 từ • • Results Pos: 0.7 Neg : 0.3 20 z 21 Thực 22 23 Kết đạt - Tìm theo câu tự phân loại cảm xúc 24 Ví dụ như: Nhập vào câu "like Vietnam" chọn position Nó tìm kiếm câu có cụm từ câu cần có screen like liệt kê tất - Nếu liệt kê theo kiểu xếp có nhiều đối tượng giống câu tìm kiếm liệt kê hàng trên, câu có đối tượng liệt kê phía - Bình luận nằm nhóm đầu 10 bình luận tốt nhất, nhóm 10 bình luận hàng đầu theo quốc gia: name 26 st 30 31 25 29 Kai 33 Cain's Saloon Olive Garden Italian Restaurant 41 Olive Garden Italian Restaurant 45 NYPD Pizza Follows lik Garden NJ staff You get aw Fil Arizon 38 39 42 43 46 47 50 51 49 Sunup Brewing 53 Murphy's Pub 54 55 57 Randy's Restaurant & 58 59 Ice Cream 61 62 63 Filibertos Mexican Food 65 70.69 66 67 Hiro Sushi textclean This is a belated review for a meal that Great beer list always changing it up In the last few years Ive tried my best to I dont know what is happening to Olive My favorite lunch spot in the area Im from Nice cozy neighborhood brewery Friendly Well its an institution here at the u of I I go here when i am working and want to After hearing a few individualstalk about This IS as good as it gets for sushi in name 73 sta 77 78 Loving Hut 80 Loving Hut 84 Tram's Kitchen 88 Saigon Pho & Seafood ican (New) 36 Amer ican (New) 40 Italia n 44 Italia n 48 Italia n 52 Amer ican (New) 56 Amer ican (New) 60 Amer ican (New) 64 Mexi can 68 Japa nese 81 85 rev 82 Yummmmmmm Best vegetarian restaurant in Phoen 86 It might be a holeinthewall but its a pretty n 89 90 pile de ne 93 ca textclean 75 tegories We love this place Th is is gonna be a long 79 Vi 94 Fast service delicious food and excellent Im giving Tea Light Cafe an extra star well Tea Light Cafe 96 Tea Light Cafe 97 100 Savor Flavor 101 102 This is a great little spot casual and quick a 105 106 Best place for in the city I have tried th 109 110 Saigon is by far my favorite stop I come Asia 108 egories 32 Amer 74 92 104 28 cat Bảng Các bình luận cảm xúc tích cực cho doanh nghiệp 72 76 took 34 35 37 71 27 98 Pho Minh Saigon Pho & Seafood 112 Cyclo Vietnamese Cuisine 5 h 113 114 Ive been driving by Tea Lite for awhile but We really like this place I love the owners 116 Bảng Các bình luận cảm xúc tích cực cho doanh nghiệp Việt Nam 117 etnamese 83 Vi etnamese 87 Vi etnamese 91 Vi etnamese 95 Vi etnamese 99 Vi etnamese 103 Vi etnamese 107 Vi etnamese 111 Vi etnamese 115 Vi etnamese 118 - Nhóm 10 bình luận cảm xúc tiêu cực cho nhà hàng Việt Nam, liệu phản ánh hợp lý với xếp hạng đến 123 name 120 sta 124 125 Phu Thanh 127 128 129 119 Saigon Pho & Seafood 131 Tea Light Cafe 135 132 136 139 140 My Ngoc Restaurant 143 Saigon Pho & Seafood 147 Cyclo Vietnamese Cuisine 151 Loving Hut 144 148 152 155 156 Saigon Pho & Seafood 159 Saigon Pho & Seafood 164 165 163 how he Dont go to this restaurant The employees are 133 First and foremost this fastfood Vietnam rest 137 Maybe I went on a bad day but the food was pre 141 Theres a reason why this place has no reviews 145 Very VERY disappointed in the service This was 149 I really dont understand what the fuss is abou 153 Absolutely terrible and slow service They are 157 We always eat here when we crave Saigon Pho To 161 We had dinner and had the worst experience we Pho Minh textclean 122 ca tegories Being a huge fan of Vietnamese food and 126 Vie 121 160 tnamese 130 Vie tnamese 134 Vie tnamese 138 Vie tnamese 142 Vie tnamese 146 Vie tnamese 150 Vie tnamese 154 Vie tnamese 158 Vie tnamese 162 Vie tnamese Bảng 3.Nhóm bình luận cảm xúc tiêu cực cho doanh nghiệp Việt Nam Kết phân loại cảm xúc tích cực tiêu cực ảnh hưởng mạnh đến kết rút trích thơng tin Nếu kết phân loại xác, truy vấn rút trích thơng tin có độ xác cao 168 166 167 Hình Các từ ảnh hưởng mạnh ẩm thực Việt Kết luận kiến nghị 169 .- Trong thời gian tới khảo sát, nghiên cứu tính thiết kế giao diện tiện dụng nhằm đáp ứng tốt hỗ trợ người dùng 170 - Phát triển ứng dụng di động Android 5.Tài liệu tham khảo [1] B Agarwal and N Mittal, “Optimal feature selection for sentiment analysis,” in Proceedings of the 14th International Conference on Intelligent Text Processing and Computational Linguistics (CICLing 13), vol 7817, pp 13-24, 2013 [2] A Basant, M Namita, B Pooja, Sonal Garg “Sentiment Analysis Using Common-Sense and Context Information” Hindawi Publishing Corporation Computational Intelligence and Neuroscience (2015) [3] RuiXia, FengXu, JianfeiYu,” Polarity shift detection, elimination and ensemble: A three stage model for document-level sentiment analysis” Information Processing and Management 52 (2016) 36- 45 [4] Y Ainur, Y Yisong, C Claire “Multi-level structured models for document-level sentiment classification”.Proceedings of the 2010 Conference on Empirical Methods in Natural Language Processing, MIT, Massachusetts, Association for Computational Linguistics, USA (2010), pp 1046-1056 [5] F Noura, C Elie, A.A Rawad, H Hazem “Sentence-level and documentlevel sentiment mining for arabic texts”.Proceeding IEEE International Conference on Data Mining Workshops (2010) [6] Hao chen Zhou and Fei Song.(2015) “Aspect-level sentiment analysis based on a generalized probabilistic topic and syntax model” Proceedings of the TwentyEighth International Florida Artificial Intelligence Research Society Conference, Association for the Advancement of Artificial Intelligence (2015) [7] Ariyasriwatana, W., Buente, W., Oshiro, M., & Streveler, D (2014) Categorizing health-related cues to action: using Yelp reviews of restaurants in Hawaii New Review of Hypermedia and Multimedia, 20(4), 317-340 [8] Hicks, A., Comp, S., Horovitz, J., Hovarter, M., Miki, M., & Bevan, J L (2012) Why people use Yelp com: An exploration of uses and gratifications Computers in Human Behavior, 28(6), 2274-2279 [9] Huang, J., Rogers, S., & Joo, E (2014) “Improving restaurants by extracting subtopics from yelp reviews” iConference 2014 (Social Media Expo) [10] Ruhui Shen, Jialiang Shen, Yuhong Li & Haohan Wang (2016), ” Predicting usefulness of Yelp reviews with localized linear regression models”, 2016 7th IEEE International Conference on Software Engineering and Service Science (ICSESS) [11] Solov'ev A N., Antonova A Ju., Pazel'skaia A G., (2012), Using sentiment- analysis for text information extraction I-Teco (Moscow) [12] Wanxiang Che, Yanyan Zhao, Honglei Guo, Zhong Su, and Ting Liu,” Sentence Compression for spect-Based Sentiment Analysis” IEEE/ACM TRANSACTIONS ON AUDIO, SPEECH, AND LANGUAGE PROCESSING, VOL 23, NO 12, DECEMBER 2015 [13] P.D Turney,(2000), “Learning algorithms for keyphrase extraction” Information Retrieval vol 2, no 4, pp 303 - 336 [14] I.H Witten, G.W Paynter, E Frank, C Gutwin and C.G Nevill- Manning (1999) “KEA: Practical automatic Keyphrase Extraction.” The proceedings of Digital Libraries '99: The Fourth ACM Conference on Digital Libraries, pp 254255 [15] Huong Nguyen Thi Xuan, Anh Cuong Le ; Le Minh Nguyen, (2012) ”Linguistic Features for Subjectivity classification“ Asian Language Processing (IALP), 2012 International Conference 171 Xác nhận thực chuyên đề Chủ nhiệm đề tài ... mạnh ẩm thực Việt Kết luận kiến nghị 169 .- Trong thời gian tới khảo sát, nghiên cứu tính thiết kế giao diện tiện dụng nhằm đáp ứng tốt hỗ trợ người dùng 170 - Phát triển ứng dụng di động Android... thành vectơ từ so trùng với sở liệu phân loại Các giải thuật viết python Phương pháp nghiên cứu, cách tiếp cận 17 - Thiết kế giao diện HTML, CSS 18 - Sử dụng ngơn ngữ lập trình python với IDE jupyter... nghiệp Việt Nam Kết phân loại cảm xúc tích cực tiêu cực ảnh hưởng mạnh đến kết rút trích thơng tin Nếu kết phân loại xác, truy vấn rút trích thơng tin có độ xác cao 168 166 167 Hình Các từ ảnh hưởng