Ngơn ngữ nào cũng cĩ thể được sử dụng để giao tiếp và thể hiện quan điểm. Trên thế giới đã cĩ nhiều cơng trình nghiên cứu trong lĩnh vực xác định câu so sánh trong tiếng Trung Quốc [11], tiếng Hàn Quốc [12], tiếng Ả Rập [13] với các cách tiếp cận khác nhau. Tuy nhiên, ngày nay người ta coi tiếng Anh là ngơn ngữ quốc tế; vì thế dữ liệu quan điểm trong tiếng Anh chiếm tỷ trọng gần như lớn nhất trong kho dữ liệu các trang Web của hàng ngàn, hàng vạn bài báo, đánh giá…..
Xác định câu so sánh trong tiếng Anh, đến nay chỉ cĩ nghiên cứu của Nitin Jindal và Bing Liu [9] được thực hiện với nhiều cách giải quyết khác nhau. Một trong những cách tiếp cận cho kết quả tốt là quy bài tốn xác định câu so sánh về bài tốn phân lớp sau đĩ áp dụng một thuật tốn học máy để giải quyết [9] (hình 2.1). Đây là lý do chúng tơi chọn phương pháp này để khảo cứu và thực nghiệm trong luận văn.
Văn bản Luật Khai phá Gán thẻ từ loại Từ khĩa Luật Huấn luyện Học máy Phân lớp Câu so sánh?
Hình 2.1: Phương pháp tiếp cận của Nitin Jindal và Bing Liu
Một điều khá hữu ích là câu so sánh tiếng Anh thường cĩ chứa từ khĩa so sánh. Luận điểm này được thực nghiệm cũng trong nghiên cứu của Nitin Jindal và Bing Liu [9] bằng việc sử dụng một tập hợp cĩ 83 từ khĩa, 94% các câu so sánh (recall = 94%) cĩ thể được xác định với độ chính xác 32% (precision=32%) với dữ liệu của tác giả thiết lập.
Khi từ khĩa đứng một mình, thuật tốn đạt được độ hồi tưởng (recall) rất cao nên ta sử dụng tập các từ khĩa để loại bỏ những câu khơng cĩ khả năng là câu so sánh (câu khơng chứa bất kỳ từ khố nào). Tập cịn lại của các câu là R tạo thành tập ứng cử viên để xét câu so sánh. Tiếp tục thực hiện các bước tiếp theo trên R để nâng cao độ chính xác.
Trong phần tiếp theo, chúng tơi mơ tả chi tiết hơn cách tiếp cận đã chọn để xác định câu so sánh bằng phương pháp học máy Nạve Bayesian với dữ liệu huấn luyện là các luật tuần tự phân lớp.