Trang chủ
- Giảm 10% phí tải tài liệu khi like và share website
- Tặng 1 bộ slide thuyết trình khi tải tài liệu
- Giảm 5% dịch vụ viết thuê luận văn thạc sĩ của Luận Văn A-Z
- Giảm 2% dịch vụ viết thuê luận án tiến sĩ của Luận Văn A-Z
Phân Loại Ý Kiến Công Chúng Về Sự Kiện Xã Hội
Giá gốc là: 100.000 VNĐ.0 VNĐGiá hiện tại là: 0 VNĐ.
Dư luận xã hội, đặc biệt là dư luận được thể hiện trên các trang mạng xã hội, là vấn đề đang được quan tâm hiện nay; nó có tác động mạnh mẽ đến đời sống hàng ngày của mọi người, đến hoạt động của các tổ chức, doanh nghiệp và cơ quan nhà nước, chính phủ. Do đó, phân tích dư luận xã hội có ý nghĩa rất quan trọng đối với sự điều chỉnh cách ứng xử của cá nhân và tổ chức. Mục tiêu của nghiên cứu này là đánh giá dư luận xã hội thông qua phân tích thông tin các bình luận trên các trang mạng xã hội (cụ thể là Facebook) liên quan đến Trường Đại học Cần Thơ; từ đó giúp nhà trường đưa ra các chính sách điều chỉnh cho phù hợp. Để thực hiện điều này, 5.848 dư luận (bình luận) có liên quan đến các hoạt động của nhà trường được thu thập, với sự trợ giúp của những người có chuyên môn phân loại các bình luận thành các ý kiến đồng thuận (cùng chiều) hoặc không đồng thuận (trái chiều). Sau đó, hai mô hình máy học là SVM (Support Vector Machine) và Neural Network được sử dụng để huấn luyện, đánh giá thực nghiệm và so sánh độ chính xác và tin cậy nhằm lựa chọn được mô hình phù hợp cho việc xây dựng công cụ tự phân loại các bình luận trên mạng xã hội. Kết quả thực nghiệm cho thấy mô hình máy học Neural Network có kết quả đánh giá khá cao là 85%, và mô hình dựa trên giải thuật SVM đạt 83%.
1/ Thông tin bài báo
- Tên bài báo: PHÂN LOẠI Ý KIẾN CÔNG CHÚNG VỀ SỰ KIỆN XÃ HỘI
- Tác giả: Nguyễn Văn Toàn, Trần Thanh Điền, Nguyễn Tí Hon, Phạm Thanh Sơn, Trần Lan Anh, Lê Thanh Sang
- Số trang: 22-29
- Năm: 2021
- Nơi xuất bản: Tạp chí Khoa học Trường Đại học Cần Thơ
- Từ khoá: Phân tích dư luận xã hội, bình luận (comments), SVM, Neural Network
2/ Nội dung chính
Bài báo này tập trung vào việc phân loại ý kiến công chúng trên mạng xã hội, cụ thể là Facebook, liên quan đến các hoạt động của Trường Đại học Cần Thơ. Trong bối cảnh mạng xã hội ngày càng phát triển và có tác động lớn đến đời sống xã hội, việc phân tích dư luận trở nên vô cùng quan trọng để các tổ chức có thể điều chỉnh hành vi và chính sách một cách phù hợp. Nghiên cứu này thu thập gần 6000 bình luận liên quan đến trường, sau đó phân loại chúng thành ba nhóm: ý kiến đồng thuận, ý kiến không đồng thuận và ý kiến khác. Mục tiêu của nghiên cứu là xây dựng một công cụ tự động có thể phân loại các bình luận này, giúp nhà trường nắm bắt được phản ứng của công chúng đối với các hoạt động của mình. Để đạt được mục tiêu này, các tác giả đã sử dụng hai mô hình học máy phổ biến là SVM (Support Vector Machine) và Neural Network.
Quá trình nghiên cứu bao gồm nhiều giai đoạn. Đầu tiên, dữ liệu bình luận được thu thập từ các trang Facebook của Trường Đại học Cần Thơ. Sau đó, các chuyên gia tiến hành phân loại thủ công các bình luận này thành ba nhóm nêu trên, tạo thành dữ liệu huấn luyện cho các mô hình học máy. Dữ liệu sau khi được tiền xử lý, loại bỏ các yếu tố nhiễu và được vector hóa theo mô hình túi từ, sau đó được đưa vào huấn luyện cho cả hai mô hình SVM và Neural Network. Các mô hình được đánh giá dựa trên độ chính xác và thời gian thực hiện. Trong quá trình thử nghiệm, các tham số của từng mô hình được điều chỉnh để tìm ra cấu hình tối ưu. Kết quả cho thấy, mô hình Neural Network, đặc biệt là khi sử dụng bộ giải pháp ‘adam’ và 512 lớp ẩn, đạt độ chính xác cao hơn (85%) so với mô hình SVM (83%) trong việc phân loại các bình luận. Thời gian huấn luyện của mô hình Neural Network với bộ tham số trên cũng được tối ưu hơn so với các lựa chọn khác.
Kết quả nghiên cứu cho thấy việc ứng dụng mô hình học máy, đặc biệt là Neural Network, có thể giúp tự động hóa quá trình phân tích dư luận trên mạng xã hội. Các nhà quản lý của trường có thể sử dụng công cụ này để nắm bắt nhanh chóng và chính xác ý kiến của công chúng về các sự kiện, chính sách hoặc hoạt động của trường. Từ đó, nhà trường có thể đưa ra những điều chỉnh phù hợp, tăng cường tính minh bạch và hiệu quả trong hoạt động. Bài báo cũng đưa ra một số ví dụ cụ thể về cách công cụ này được áp dụng trong thực tế. Kết quả phân loại được hiển thị trực quan, bao gồm số lượng và tỷ lệ các bình luận thuộc mỗi loại, cho phép nhà quản lý dễ dàng nắm bắt được xu hướng dư luận. Ngoài ra, bài báo còn cung cấp thông tin chi tiết về từng bình luận, bao gồm cả nội dung và người đăng, giúp nhà trường có cái nhìn sâu sắc hơn về các ý kiến của công chúng.
