Mạng tích chập đồ thị cho phân tích tình cảm phản hồi của sinh viên Việt Nam

Tóm tắt

Phân tích tình cảm đóng vai trò quan trọng trong việc hiểu ý kiến của sinh viên và nâng cao chất lượng dịch vụ giáo dục. Tuy nhiên, phân tích tình cảm tiếng Việt vẫn còn nhiều thách thức do đặc điểm ngôn ngữ và sự hạn chế về dữ liệu được chú thích. Nghiên cứu này đề xuất một phương pháp học sâu dựa trên đồ thị sử dụng mạng tích chập đồ thị (GCN – Graph Convolutional Networks) để phân loại tình cảm phản hồi của sinh viên Việt Nam. Mỗi câu đầu vào được mô hình hóa như một đồ thị đồng xuất hiện từ, trong đó các từ được biểu diễn dưới dạng các nút và các cạnh được xây dựng dựa trên cửa sổ trượt cố định. Các embedding từ được học từ đầu đến cuối trong khuôn khổ GCN, cho phép học biểu diễn ngữ nghĩa hiệu quả. Các thí nghiệm được thực hiện trên corpus phản hồi của sinh viên Việt Nam thuộc Trường Đại học Công nghệ Thông tin. Mô hình đề xuất đạt độ chính xác 88,5 % và F1 là 71,3 %. Kết quả thực nghiệm cho thấy, các mô hình mạng nơ-ron dựa trên đồ thị là một hướng đi đầy triển vọng cho phân tích tình cảm tiếng Việt, đặc biệt là trong việc khai thác phản hồi giáo dục.