Đồ án tốt nghiệp - Phân tích cảm xúc và quan điểm bằng học sâu và ứng dụng

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN KỸ THUẬT DỮ LIỆU

NGUYỄN NGỌC HÒA : 18133014
LÊ ĐÌNH KHANG : 18133021

Đề Tài:

PHÂN TÍCH CẢM XÚC VÀ QUAN ĐIỂM
BẰNG HỌC SÂU VÀ ỨNG DỤNG
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ KỸ THUẬT DỮ LIỆU
GIÁO VIÊN HƯỚNG DẪN
ThS. QUÁCH ĐÌNH HOÀNG

Hồ Chí Minh, 2022

TRƯỜNG ĐẠI HỌC SƯ PHẠM KỸ THUẬT TP.HỒ CHÍ MINH
KHOA CÔNG NGHỆ THÔNG TIN
BỘ MÔN KỸ THUẬT DỮ LIỆU

NGUYỄN NGỌC HÒA : 18133014
LÊ ĐÌNH KHANG : 18133021
Đề Tài:

PHÂN TÍCH CẢM XÚC VÀ QUAN ĐIỂM
BẰNG HỌC SÂU VÀ ỨNG DỤNG
KHÓA LUẬN TỐT NGHIỆP KỸ SƯ KỸ THUẬT DỮ LIỆU
GIÁO VIÊN HƯỚNG DẪN
ThS. QUÁCH ĐÌNH HOÀNG

Hồ Chí Minh, 2022

ĐH SƯ PHẠM KỸ THUẬT TPHCM

XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA CNTT

Độc lập – Tự do – Hạnh phúc

*******

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN HƯỚNG DẪN
Họ và tên sinh viên 1: Nguyễn Ngọc Hòa

MSSV: 18133014

Họ và tên sinh viên 2: Lê Đình Khang

MSSV: 18133021

Ngành: Kỹ thuật dữ liệu
Tên đề tài: PHÂN TÍCH CẢM XÚC VÀ QUAN ĐIỂM BẰNG HỌC SÂU VÀ ỨNG DỤNG
Họ và tên giáo viên hướng dẫn: ThS.Quách Đình Hoàng
NHẬN XÉT:
1. Về nội dung và đề tài khối lượng thực hiện:

2. Ưu điểm:

3. Khuyết điểm:

4. Đề nghị cho bảo vệ hay không?
5. Đánh giá loại:
6. Điểm:

Tp.Hồ Chí Minh, ngày...tháng...năm 2022
Giáo viên hướng dẫn
Ký &amp ghi rõ họ tên

1

ĐH SƯ PHẠM KỸ THUẬT TPHCM

XÃ HỘI CHỦ NGHĨA VIỆT NAM

KHOA CNTT

Độc lập – Tự do – Hạnh phúc

*******

*******

PHIẾU NHẬN XÉT CỦA GIÁO VIÊN PHẢN BIỆN
Họ và tên sinh viên 1: Nguyễn Ngọc Hòa

MSSV: 18133014

Họ và tên sinh viên 2: Lê Đình Khang

MSSV: 18133021

Ngành: Kỹ thuật dữ liệu
Tên đề tài: PHÂN TÍCH CẢM XÚC VÀ QUAN ĐIỂM BẰNG HỌC SÂU VÀ ỨNG DỤNG
Họ và tên giáo viên phản biện: ThS. Lê Thị Minh Châu
NHẬN XÉT:
1. Về nội dung và đề tài khối lượng thực hiện:

2. Ưu điểm:

3. Khuyết điểm:

4. Đề nghị cho bảo vệ hay không?
5. Đánh giá loại:
6. Điểm:

Tp.Hồ Chí Minh, ngày...tháng...năm 2022
Giáo viên phản biện
Ký &amp ghi rõ họ tên

2

LỜI CẢM ƠN

Trong quá trình nghiên cứu đề tài, các giảng viên đã luôn hỗ trợ,
hướng dẫn sinh viên, với tất cả sự kính trọng, chúng tôi xin được bày tỏ lòng
biết ơn đến quý Thầy Cô đã luôn theo dõi và hướng dẫn trong suốt thời gian
thực hiện đề tài.
Đầu tiên, chúng tôi xin gửi lời cảm ơn sâu sắc nhất đến Ban giám
hiệu trường Đại học Sư phạm Kỹ Thuật Thành phố Hồ Chí Minh đã tạo điều
kiện, môi trường học tập chất lượng, hiệu quả để chúng tôi có thể phát huy
một cách tốt nhất việc nghiên cứu đề tài.
Đồng thời, chúng tôi xin gửi lời cảm ơn đến Ban chủ nh
...

...
o diện và chứng năng còn khá hạn hẹp.
• Ứng dụng chưa có đăng nhập bằng mạng xã hội Facebook hay thông qua Google,...
• Các tính năng thanh toán tích hợp không có.
• Do lượng dữ liệu mẫu cũng như cấu hình mô hình chưa được tốt dẫn đến mô hình dự đoán
chưa được tốt lắm.

124

CHƯƠNG 4. KẾT LUẬN

4.3

HƯỚNG PHÁT TRIỂN

• Ứng dụng có thể được tích hợp các cách đăng nhập bằng mạng xã hội như Facebook, Google,
Zalo,..
• Mô hình dự đoán Sentiment Analysis có thể được train lại với bộ dữ liệu nhiều hơn kèm các hệ
số tốt hơn để có kết quả dự đoán chính xác hơn.
• Hệ thống web có thể được đưa lên cloud để có hiệu suất tốt hơn, dễ tiếp cận người dùng hơn,...
• Ứng dụng cũng có thể được tích hợp chatbot cũng như chỉnh sửa nhiều hơn về giao diện để thu
hút được người dùng nhiều hơn.

4.4

LỜI KẾT
Sau quá trình hoàn thành sản phẩm ta có thể thấy được sự trợ giúp rất lớn của khoa học

dữ liệu cũng như trí thông minh nhân tạo trong đời sống hiện nay. Thông qua bài báo cáo này, nhóm
chúng tôi cũng hi vọng với những kiến thức về thư viện, những ngôn ngữ lập trình phổ biến được sử
dụng trong ứng dụng này cũng như những thuật toán deep learning được sử dụng để đào tạo mô hình
mà chúng tôi sử dụng sẽ giúp các bạn sinh viên khóa sau có thể có những kiến thức kịp thời và mới
nhất.

125

TÀI LIỆU THAM KHẢO

TÀI LIỆU THAM KHẢO
[1] FastAPI, https://fastapi.tiangolo.com/, 2019.
[2] Anil K. Jain, et al., Artificial neural networks: A tutorial, Computer, 29(3), 1996.
[3] Wikipedia, Sentiment Analysis,
https://en.wikipedia.org/wiki/Sentiment_analysis, 2021.
[4] IBM Cloud Education, Deep Learning,
https://www.ibm.com/cloud/learn/deep-learning, 2020.
[5] Tomas Mikolov, et al., Efficient estimation of word representations in vector space,
arXiv:1301.3781, 2013.
[6] Afshine Amidi and Shervine Amidi, Convolutional Neural Networks cheatsheet,

https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-convolutional-neural-netw
2018.
[7] Afshine Amidi and Shervine Amidi, Recurrent Neural Networks cheatsheet,

https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-recurrent-neural-networks
2018.
[8] Wilkister Mumbi, What is Word2Vec?,
https://www.section.io/engineering-education/what-is-word2vec/, 2021.
[9] Đoàn Võ Duy Thanh, Nguyễn Văn Quang, Nguyễn Văn Cường, Phạm Đăng Khoa, Lê Khắc
Hồng Phúc, Embedding Từ, 2020.
[10] Quoc Le and Tomas Mikolov, Distributed representations of sentences and documents, International conference on machine learning, PMLR, 2014.

126