Đề tài Tự động đánh giá quan điểm người dùng

ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI ----W—X---- Kiều Thanh Bình TỰ ĐỘNG ĐÁNH GIÁ QUAN ĐIỂM NGƯỜI DÙNG KHÓA LUẬN TỐT NGHIỆP HỆ CHÍNH QUY Ngành: Công Nghệ Thông Tin Hà Nội – 2010 ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI ----W—X---- Kiều Thanh Bình TỰ ĐỘNG ĐÁNH GIÁ QUAN ĐIỂM NGƯỜI DÙNG KHÓA LUẬN TỐT NGHIỆP HỆ CHÍNH QUY Ngành: Công Nghệ Thông Tin GV hướng dẫn: TS. Phạm Bảo Sơn Hà Nội – 2010 Tự động đánh giá ý kiến người dùng Kiều Thanh Bình i Lời mở đầu Với sự bùng nổ của nguồn dữ liệu trên Internet, những bài toán về xử lý thông tin như: trích chọn thông tin, tóm tắt nội dung văn bản v.v… ra đời như một nhu cầu tất yếu. Thông tin trên mạng thường gồm 2 loại: sự việc và quan điểm. Ngược với loại quan điểm, thông tin về sự việc được rất nhiều công cụ giải quyết như máy tìm kiếm, lọc thông tin, … Với thông tin loại quan điểm thì khó và ít hướng tới hơn tuy nhiên xét về mức độ quan trọng thì thông tin loại này cần thiết hơn, nhất là với những công ty buôn bán sản phẩm. Đối với họ, ý kiến đánh giá về sản phẩm mà người dùng đưa ra là quan trọng nhất trong việc điều chỉnh và đưa ra những chiến lược buôn bán hiệu quả. Ra đời như một thiết yếu, hệ thống đánh giá quan điểm người dùng đã được nghiên cứu mạnh mẽ trong mấy năm gần đây và cũng đưa ra được nhiều kết quả đáng mong đợi. Trong đó có phương pháp đưa ra được kết quả khá khả quan như phương pháp sử dụng kết hợp phân lớp dựa trên luật, học giám sát và học máy. Tự động đánh giá ý kiến người dùng Kiều Thanh Bình ii Lời cảm ơn Trước tiên, em xin gửi lời cảm ơn sâu sắc nhất đến thầy Phạm Bảo Sơn, người đã không quản vất vả hướng dẫn em trong suốt thời gian làm khóa luận tốt nghiệp vừa qua. Em cũng chân thành cảm ơn mọi người ở phòng HMI lab đặc biệt là anh Nguyễn Bá Đạt đã luôn chỉ bảo mỗi khi em có những vấn đề vướng mắc. Em xin bày tỏ lời cảm ơn sâu sắc đến các thầy cô giáo trong Trường Đại Học Công Nghệ đã tận tình dạy dỗ em suốt bốn năm học qua. Con xin cảm ơn bố, mẹ và gia đình đã luôn bên con, cho con động lực để làm việc tốt hơn. Cảm ơn tất cả bạn bè đã luôn sát cánh cùng tôi. Hà Nội, ngày 20 tháng 5 năm 2010 Kiều Thanh Bình Tự động đánh giá ý kiến người dùng Kiều Thanh Bình iii Mục lục Lời mở đầu ..................................................................................................................... i Lời cảm ơn..................................................................................................................... ii Mục lục ......................................................................................................................... iii Danh sách hình vẽ........................................................................................................ vi Danh sách bảng........................................................................................................... vii Chương 1 Giới thiệu .....................................................................................................1 Chương 2 Các hướng tiếp cận cho bài toán đánh giá quan điểm ...........................3 2.1 Xu hướng các cuộc nghiên cứu gần đây..............................................................3 2.1.1 Xác định từ, cụm từ quan điểm...................................................................4 2.1.2 Xác định chiều hướng từ, cụm từ quan điểm..............................................4 2.1.3 Phân lớp câu / tài liệu chỉ quan điểm..........................................................7 2.2 Những thách thức và công việc có thể trong tương lai .......................................9 2.2.1 Các loại từ khác ..........................................................................................9 2.2.2 Thuật ngữ chỉ quan điểm ..........................................................................10 2.2.3 Tính phủ định............................................................................................10 2.2.4 Cấp độ quan điểm .....................................................................................11 2.2.5 Sự phức tạp của câu / tài liệu....................................................................12 2.2.6 Quan điểm theo ngữ cảnh .........................................................................13 2.2.7 Tài liệu không đồng nhất ..........................................................................13 2.2.8 Một số vấn đề khác ...................................................................................14 Chương 3 Giới thiệu GATE.......................................................................................15 Tự động đánh giá ý kiến người dùng Kiều Thanh Bình iv 3.1 Tổng quan về GATE ..........................................................................................15 3.1.1 Mô hình kiến trúc của GATE ...................................................................16 3.1.2 Những khái niệm cơ bản trong GATE......................................................18 3.2 Xây dựng plugin trên GATE ..............................................................................18 3.3 Các thành phần quan trọng của GATE .............................................................21 3.3.1 Bộ từ điển (Gazetteers) .............................................................................21 3.3.2 Bộ luật JAPE.............................................................................................22 3.4 Các công cụ quản lý chất lượng........................................................................27 3.4.1 Công cụ đánh giá độ tương đồng khi gán nhãn hai văn bản (Annotation Diff) ........................................................................................................................27 3.4.2 Công cụ đánh giá chất lượng của hệ thống (Corpus Benchmark tool).....28 Chương 4 Hệ thống đánh giá quan điểm người dùng..............................................30 4.1 Giới thiệu hệ thống ............................................................................................30 4.2 Thu thập dữ liệu và gán nhãn............................................................................31 4.2.1 Thu thập dữ liệu........................................................................................32 4.2.2 Gán nhãn dữ liệu.......................................................................................33 4.3 Xây dựng hệ thống đánh giá quan điểm............................................................34 4.3.1 Mô tả tổng quan hệ thống .........................................................................35 4.3.2 Tiền xử lý..................................................................................................37 4.3.3 Xây dựng bộ từ điển .................................................................................38 4.3.4 Xây dựng bộ luật.......................................................................................40 Chương 5 Kết quả thực nghiệm và phân tích lỗi.....................................................46 5.1 Tiến hành thực nghiệm ......................................................................................46 5.2 Kết quả thực nghiệm..........................................................................................47 Tự động đánh giá ý kiến người dùng Kiều Thanh Bình v 5.2.1 Kết quả thực nghiệm đánh giá ở mức từ...................................................47 5.2.2 Kết quả thực nghiệm đánh giá ở mức câu ................................................48 5.2.3 Kết quả thực nghiệm đánh giá ở mức văn bản theo từng Features ..........49 5.2.4 Kết luận chung về kết quả đánh giá..........................................................53 5.3 Phân tích lỗi.......................................................................................................54 5.3.1 Lỗi do gán nhãn từ loại (POS tag) ............................................................54 5.3.2 Lỗi do luật .................................................................................................56 5.3.3 Lỗi do tách câu..........................................................................................57 Chương 6 Tổng kết và hướng phát triển................................................................59 Tài liệu tham khảo.......................................................................................................60 Phụ lục A. Annotation Guideline. ..............................................................................63 Phụ lục B. Bảng nhãn từ loại tiếng Việt ....................................................................64 Tự động đánh giá ý kiến người dùng Kiều Thanh Bình vi Danh sách hình vẽ Hình 1 - Giao diện của GATE.......................................................................................16  Hình 2 - Mô hình kiến trúc của GATE [6] ....................................................................17  Hình 3 - Giao diện thêm một thành phần tích hợp vào GATE......................................20  Hình 4 - Chọn các thành phần cho ứng dụng GATE ....................................................21  Hình 5 - Giao diện của Annotation Diff ........................................................................27  Hình 6 - Giao diện của Corpus Benchmark tool ...........................................................28  Hình 7 - Minh họa giao diện hệ thống...........................................................................31  Hình 8 - Những reviews do người dùng đánh giá ở trang tinvadung.vn.......................33  Hình 9 - Gán nhãn dữ liệu .............................................................................................34  Hình 10 - Mô tả chi tiết hệ thống đánh giá quan điểm người dùng trên GATE............36  Hình 11 - GATE sau khi POS Tag và Lookup..............................................................40  Hình 12 - Lỗi do POS Tag ảnh hưởng đến nhận dạng từ .............................................55  Hình 13 - Lỗi do POS tag ảnh hưởng đến tách câu.......................................................56  Hình 14 - Lỗi do viết luật ảnh hưởng đến nhận dạng từ ...............................................57  Hình 15 – Lỗi do tách câu .............................................................................................58  Tự động đánh giá ý kiến người dùng Kiều Thanh Bình vii Danh sách bảng Bảng 1 - Kết quả nhận dạng từ đánh giá trên tập huấn luyện .......................................47  Bảng 2 - Kết quả nhận dạng từ đánh giá trên tập kiểm tra............................................47  Bảng 3 - Kết quả nhận dạng câu đánh giá trên tập huấn luyện .....................................48  Bảng 4 - Kết quả nhận dạng câu đánh giá trên tập kiểm tra..........................................48  Bảng 5 - Kết quả đánh giá Acer Aspire 3935 trên tập huấn luyện................................50  Bảng 6 - Kết quả đánh giá Apple Macbook Air MB543ZPA trên tập huấn luyện .......50  Bảng 7 - Kết quả đánh giá Acer Aspire AS4736 trên tập huấn luyện...........................51  Bảng 8 - Kết quả đánh giá Feature trên tập huấn luyện ................................................51  Bảng 9 - Kết quả đánh giá Dell Inspiron 1210 trên tập kiểm tra ..................................51  Bảng 10 - Kết quả đánh giá Compaq Presario CQ40 trên tập kiểm tra ........................52  Bảng 11 - Kết quả đánh giá HP Pavilion dv3 trên tập kiểm tra ....................................52  Bảng 12 - Kết quả đánh giá Feature trên tập kiểm tra...................................................53  Chương 1. Giới thiệu bài toán đánh giá quan điểm Kiều Thanh Bình 1 Chương 1 Giới thiệu Hiện nay nền công nghệ càng ngày càng phát triển, đặc biệt với sự ra đời của Web, lượng thông tin trên Web là một kho tàng đồ sộ và nhiệm vụ của chúng ta là làm thế nào để khai thác kho tàng to lớn đó. Chính vì nó quá khổng lồ cho nên lượng thông tin rác cũng rất nhiều, vậy làm thế nào để biết được cái gì là cần thiết và cái gì là dư thừa. Các chuyên ngành như Web mining, NLP (Nature Language Processing), hay Machine Learning đều đi tìm câu trả lời cho câu hỏi đó tuy nhiên chúng cũng chỉ tìm được câu trả lời cho những phần nhỏ của câu hỏi mà thôi. Mỗi người quan tâm một số lĩnh vực, mỗi người cần biết thông tin về một vài thứ mà trên Web thì bao gồm vô vàn thông tin thế nhưng lĩnh vực mà đa số người đều quan tâm, từ những nhà doanh nghiệp đến khách hàng - những người dùng đều quan tâm đó chính là sản phẩm. Người dùng thì quan tâm sản phẩm này có tốt không, sản phẩm kia tốt ở chỗ nào và chỗ nào không tốt. Còn doanh nghiệp thì lại thường quan tâm đến sản phẩm của họ được mọi người tiếp đón thế nào, những điểm nào chưa tốt để họ bổ sung sửa chữa, hay phát huy thêm những điểm người dùng quan tâm … Câu trả lời cho những câu hỏi này nằm trong nghiên cứu về “Opinion Mining” hay còn gọi “phân tích quan điểm người dùng”. Nghiên cứu này của chúng tôi xuất phát từ sự cần thiết của doanh nghiệp và người dùng, sử dụng những công cụ có ích nhất để đánh giá một cách chính xác nhất về sản phẩm. Với mỗi sản phẩm sẽ có những điểm tính năng riêng (Features) và nhiệm vụ của chúng tôi là từ những review, comment, Feedback,… trên nguồn dữ liệu khổng lồ Web để đánh giá xem tính năng của sản phẩm này được mọi người tiếp đón thế nào. Chương 1. Giới thiệu bài toán đánh giá quan điểm Kiều Thanh Bình 2 Hệ thống của chúng tôi sử dụng dữ liệu từ trên trang Web http//tinvadung.vn làm dữ liệu chuẩn để phát triển và kiểm thử hệ thống. Chúng tôi giải quyết bài toán dựa trên hướng tiếp cận về luật và phân lớp ở mức câu. Ở đây chúng tôi tạm thời chia thành 2 loại đánh giá của người dùng là hướng tích cực (positive) và hướng tiêu cực (negative). Hệ thống của chúng tôi được xây dựng trên nền GATE [3] – là một framework giúp phát triển các thành phần xử lý ngôn ngữ tự nhiên, và được sử dụng với dữ liệu về máy tính (laptop & desktop). Trong tương lai chúng tôi sẽ phát triển hệ thống để đưa ra một thước đo chính xác hơn về những đánh giá và mở rộng thêm với các lĩnh vực khác. Phần còn lại của khóa luận được chia thành 5 chương: • Chương 2: Chúng tôi giới thiệu về những hướng tiếp cận cho bài toán tự động đánh giá quan điểm người dùng, những công trình nghiên cứu hiện tại và những thách thức sẽ giải quyết trong tương lai. • Chương 3: Chúng tôi giới thiệu một cách tổng quan về khung làm việc GATE, và cách xây dựng một hệ thống tích hợp trong GATE. • Chương 4: Chúng tôi mô tả chi tiết hệ thống tự động đánh giá quan điểm người dùng trong văn bản tiếng Việt được xây dựng trên khung làm việc GATE. • Chương 5: Chúng tôi đưa ra những kết quả thực nghiệm và phân tích những lỗi vẫn còn tồn tại. • Chương 6: Chúng tôi đưa ra những kết luận về hệ thống và hướng phát triển hệ thống trong tương lai. Chương 2. Hướng tiếp cận cho bài toán đánh giá quan điểm Kiều Thanh Bình 3 Chương 2 Các hướng tiếp cận cho bài toán đánh giá quan điểm Với sự phát triển nhanh chóng của tài nguyên mạng, đặc biệt là những quan điểm trực tuyến (quan điểm sản phẩm, quan điểm phim ảnh,…) nhiều nghiên cứu hiện đang chú trọng vào mảng phân tích ý kiến, cũng được biết đến như mảng đánh giá quan điểm. Đó là một chuyên ngành học mới bao gồm: trích xuất thông tin (IR), xử lý ngôn ngữ tự nhiên (NLP) và ngôn ngữ học máy tính. Hệ thống đánh giá quan điểm thường cố gắng tìm ra những từ, cụm từ chỉ ý kiến, xác định chiều hướng của những từ, cụm từ, sau đó phân lớp câu, đoạn hay toàn bộ tài liệu dựa trên những xu hướng quan điểm đó. Bởi vậy, nhiệm vụ thông thường của hệ thống đánh giá quan điểm bao gồm nhận biết từ, cụm từ chỉ quan điểm và phân loại tài liệu hoặc câu theo các chiều hướng quan điểm. Khác với việc phân loại thể loại hay chủ đề, việc phân loại quan điểm đòi hỏi sự am hiểu về chiều hướng cảm xúc trong bài viết. Một số khía cạnh mang tính thách thức trong đánh giá quan điểm tồn tại trong việc sử dụng những loại từ khác, việc xây dựng thuật ngữ quan điểm, những mức độ quan điểm khác nhau, sự phức tạp của câu chữ, từ ngữ trong những văn cảnh khác nhau, việc phân loại quan điểm trong bài viết phức tạp… Một số phương pháp đã được đề xuất để giải quyết những vấn đề trên, tuy nhiên trong tương lai sẽ có nhiều nghiên cứu hơn nữa nhằm giải quyết triệt để những thách thức đó. 2.1 Xu hướng các cuộc nghiên cứu gần đây Từ cách đây một vài năm, việc đánh giá quan điểm đã trở thành chủ đề nóng giữa các nhà nghiên cứu xử lý ngôn ngữ tự nhiên và trích chọn thông tin. Nhiều nỗ lực Chương 2. Hướng tiếp cận cho bài toán đánh giá quan điểm Kiều Thanh Bình 4 lớn dành cho việc nghiên cứu ở mảng này, có khá nhiều các bài báo được xuất bản và những ứng dụng khác nhau có sử dụng hệ thống đánh giá quan điểm được phát triển và đưa vào trong hoạt động thương mại. Mặc dù các ứng dụng dựa trên hệ thống đánh giá quan điểm có mục đích, vấn đề trọng tâm, điểm nổi bật khác nhau; tuy nhiên chúng thường được chia thành 3 phần chính: xác định từ, cụm từ chỉ quan điểm; xác định xu hướng quan điểm và phân loại câu hay văn bản chỉ quan điểm. Ba thành phần cơ bản này cũng là 3 thành phần cơ bản xây dựng trên hệ thống của chúng tôi. 2.1.1 Xác định từ, cụm từ quan điểm Những từ, cụm từ chỉ quan điểm là những từ ngữ được sử dụng để diễn tả cảm xúc, ý kiến người viết; những quan điểm chủ quan đó dựa trên những vấn đề mà anh ta hay cô ta đang tranh luận. Việc rút ra những từ, cụm từ chỉ quan điểm là giai đoạn đầu tiên trong hệ thống đánh giá quan điểm, vì những từ, cụm từ này là những chìa khóa cho công việc nhận biết và phân loại tài liệu sau đó. Ứng dụng dựa trên hệ thống đánh giá quan điểm hiện nay tập trung vào các từ chỉ nội dung câu: danh từ, động từ, tính từ và phó từ. Phần lớn công việc sử dụng từ loại để rút chúng ra (Hu và Liu, 2004a [12]; Turney, 2002 [22]). Việc gán nhãn từ loại cũng được sử dụng trong công việc này, điều này có thể giúp cho việc nhận biết xu hướng quan điểm trong giai đoạn tiếp theo. Những kĩ thuật phân tích ngôn ngữ tự nhiên khác như xóa stopwords, stemming cũng được sử dụng trong giai đoạn tiền xử lý để rút ra từ, cụm từ chỉ quan điểm. 2.1.2 Xác định chiều hướng từ, cụm từ quan điểm Trong phân tích quan điểm, xu hướng của những từ, cụm từ trực tiếp thể hiện quan điểm, cảm xúc của người viết bài. Phương pháp chính để nhận biết xu hướng quan điểm của những từ, cụm từ chỉ cảm nghĩ là dựa trên thống kê hoặc dựa trên từ vựng. Hệ thống của chúng tôi dùng luật để xác định chiều hướng và từ quan điểm cũng chính là phương pháp dựa trên từ vựng. Chương 2. Hướng tiếp cận cho bài toán đánh giá quan điểm Kiều Thanh Bình 5 2.1.2.1 Sử dụng tính từ và phó từ Những hệ thống hiện tại dùng để nhận biết những từ chỉ quan điểm hay xu hướng quan điểm tập trung chủ yếu vào các tính từ và phó từ vì chúng được xem là sự biểu lộ rõ ràng nhất của tính chủ quan (Hatzivassiloglou and McKeown, 1997 [11]; Wiebe and Bruce, 1999 [2]). Hu và Liu (2004a) [12] áp dụng việc gán nhãn từ loại và kĩ thuật xử lý ngôn ngữ tự nhiên nhằm rút ra những tính từ cũng như những từ chỉ quan điểm (đã được nói đến ở mục 2.1.1). Sau đó họ xác định những dấu hiệu ở quan điểm về sản phẩm vì phương pháp của họ tập trung vào việc phân loại quan điểm dựa trên những dấu hiệu. Họ định nghĩa một câu mà chứa một hay nhiều dấu hiệu sản phẩm và từ chỉ quan điểm được xem là một câu chỉ quan điểm. Sau đó với mỗi một câu trong dữ liệu chỉ quan điểm, họ rút ra tất cả những tính từ được coi là những từ chỉ quan điểm. Kết quả thực nghiệm việc rút ra những câu đánh giá quan điểm có độ chính xác (precision) khoảng 64.2% và recall là 69.3%. Họ sử dụng WordNet (Fellbaum, 1998 [10]) để xác định các tính từ được rút ra mang chiều hướng tích cực (positive) hay tiêu cực (negativ