Phân tích cảm xúc tiếng Việt (Vietnamese Sentiment Analysis) là bài toán NLP xác định thái độ hoặc quan điểm được thể hiện trong văn bản, phổ biến nhất là tích cực, tiêu cực và trung lập. Bài toán tưởng đơn giản như một phép phân loại văn bản, nhưng khi áp dụng vào review sản phẩm, mạng xã hội hay hội thoại chăm sóc khách hàng, ngữ cảnh, phủ định và cách dùng tiếng Việt khiến kết quả phức tạp hơn đáng kể.
Thay vì chỉ nhìn vào kiến trúc mô hình, bài viết này tập trung vào cách xây dựng hệ thống qua một số case study thực tế: xác định đúng mục tiêu, thiết kế nhãn, chuẩn bị dữ liệu, chọn mô hình và phân tích lỗi.
Bài toán sentiment analysis thực sự dự đoán điều gì?
Ở dạng cơ bản, hệ thống nhận một đoạn văn bản và trả về một nhãn cảm xúc. Ví dụ:
“Giao hàng chậm, sản phẩm còn bị trầy.” → Tiêu cực
“Sản phẩm được giao vào sáng thứ Hai.” → Trung lập
Tuy nhiên, một câu có thể chứa nhiều quan điểm cùng lúc. Câu “Camera đẹp nhưng pin khá yếu” vừa tích cực với camera, vừa tiêu cực với pin. Nếu hệ thống chỉ trả về một nhãn cho toàn câu, thông tin này bị nén thành một kết quả duy nhất.
Do đó, trước khi chọn mô hình, cần xác định mức độ phân tích:
- Document-level: một nhãn cho toàn bộ bài review hoặc tài liệu.
- Sentence-level: một nhãn cho từng câu.
- Aspect-based sentiment: xác định cảm xúc đối với từng thuộc tính như giá, pin, giao hàng hoặc dịch vụ.
Sentiment analysis cũng không đồng nghĩa với emotion detection. Sentiment thường tập trung vào polarity như positive/negative, còn emotion detection có thể dự đoán vui, buồn, tức giận, sợ hãi hoặc bất ngờ.
Pipeline phân tích cảm xúc tiếng Việt
Một hệ thống sentiment analysis có thể được mô hình hóa bằng pipeline:
Với mô hình Machine Learning truyền thống, văn bản thường được chuyển thành vector bằng Bag of Words hoặc TF-IDF. Một classifier như Logistic Regression hoặc Linear SVM sau đó học mối liên hệ giữa đặc trưng văn bản và nhãn.
Với Deep Learning, các mô hình pretrained dựa trên Transformer có thể tạo biểu diễn phụ thuộc ngữ cảnh tốt hơn. Điều này đặc biệt hữu ích cho những câu mà ý nghĩa không thể xác định chỉ bằng một vài keyword.
Case study 1: Phân tích đánh giá sản phẩm thương mại điện tử
Giả sử một cửa hàng có hàng nghìn review và muốn biết khách hàng đang hài lòng hay không. Cách đơn giản nhất là xây dựng classifier với ba nhãn: positive, neutral, negative.
Một số review rất dễ phân loại:
Negative: “Mới dùng hai ngày đã không sạc được.”
Neutral: “Hộp gồm một máy và một dây sạc.”
Khó khăn xuất hiện khi review chứa nhiều khía cạnh:
Sentiment toàn câu: có thể là Mixed hoặc Neutral tùy quy ước dữ liệu.
Aspect “hiệu năng”: Positive.
Aspect “pin”: Negative.
Nếu mục tiêu kinh doanh chỉ là thống kê tỷ lệ review tích cực và tiêu cực, document-level classification có thể đủ. Nhưng nếu đội sản phẩm muốn biết khách hàng đang phàn nàn về điều gì, aspect-based sentiment sẽ hữu ích hơn.
Một pipeline cho trường hợp này có thể gồm hai bước: đầu tiên phát hiện aspect như pin, camera, giá, giao hàng; sau đó dự đoán sentiment riêng cho từng aspect.
Case study 2: Sentiment trên mạng xã hội
Mạng xã hội là môi trường khó hơn đáng kể vì văn bản thường ngắn, không chuẩn hóa và chứa tiếng lóng, viết tắt hoặc cách diễn đạt mỉa mai.
| Văn bản | Vấn đề |
|---|---|
| “sp xịn nha” | Viết tắt và ngôn ngữ không chuẩn. |
| “Đợi có mỗi 3 tiếng thôi mà :)” | Có thể mang tính mỉa mai. |
| “UI đẹp nhưng lag kinh” | Trộn tiếng Anh và tiếng Việt, sentiment trái chiều. |
| “Không phải là không tốt” | Cấu trúc phủ định kép. |
Chuẩn hóa văn bản có thể giúp xử lý một số biến thể như “ko”, “k”, “khum” thành “không”, nhưng không nên biến preprocessing thành một tập luật quá lớn. Slang thay đổi theo cộng đồng và thời gian, trong khi Transformer có thể học được nhiều biến thể trực tiếp nếu dữ liệu huấn luyện đủ phù hợp.
Một vấn đề khác là domain shift: mô hình huấn luyện trên review thương mại điện tử chưa chắc hoạt động tốt trên bình luận mạng xã hội. Cách viết, độ dài câu và phân bố từ vựng của hai miền dữ liệu khác nhau.
Case study 3: Ưu tiên ticket chăm sóc khách hàng
Trong hệ thống hỗ trợ khách hàng, sentiment có thể được dùng như một tín hiệu để ưu tiên các ticket cần xử lý sớm. Ví dụ:
→ Negative sentiment
→ Có khả năng cần ưu tiên kiểm tra
Tuy nhiên, negative không đồng nghĩa với urgent. Câu “Tôi không thích màu của giao diện mới” mang sentiment tiêu cực nhưng mức độ khẩn cấp thấp. Ngược lại, “Tài khoản của tôi vừa xuất hiện giao dịch lạ” có thể rất khẩn cấp dù người dùng không sử dụng từ ngữ cảm xúc mạnh.
Một thiết kế tốt hơn là sử dụng hai mô hình hoặc hai output riêng:
- Sentiment: positive / neutral / negative.
- Urgency: low / medium / high.
Sau đó hệ thống routing có thể kết hợp hai tín hiệu cùng loại vấn đề, giá trị khách hàng hoặc trạng thái ticket để quyết định mức ưu tiên.
Demo với TF-IDF và Logistic Regression
Một baseline đơn giản cho sentiment analysis là kết hợp TF-IDF với Logistic Regression. Ví dụ dưới đây chỉ dùng tập dữ liệu nhỏ để minh họa pipeline; hệ thống thực tế cần nhiều dữ liệu đã gán nhãn hơn và phải có tập validation/test độc lập.
from sklearn.pipeline import make_pipeline
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression
texts = [
"sản phẩm rất tốt",
"máy chạy nhanh và ổn định",
"dịch vụ rất hài lòng",
"sản phẩm bị lỗi",
"giao hàng quá chậm",
"trải nghiệm rất tệ",
"sản phẩm màu đen",
"đơn hàng đến hôm nay",
"hộp có kèm dây sạc"
]
labels = [
"positive", "positive", "positive",
"negative", "negative", "negative",
"neutral", "neutral", "neutral"
]
model = make_pipeline(
TfidfVectorizer(ngram_range=(1, 2)),
LogisticRegression(max_iter=1000)
)
model.fit(texts, labels)
prediction = model.predict(
["máy dùng rất tốt"]
)
print(prediction[0])TF-IDF biến từ và cụm từ thành đặc trưng số dựa trên mức độ quan trọng của chúng trong tập dữ liệu. Với ngram từ 1 đến 2, mô hình có thể học cả unigram như “tốt” và bigram như “rất tốt” hay “quá chậm”.
Baseline này có lợi thế là nhanh, dễ debug và dễ dùng làm mốc so sánh. Hạn chế chính là khả năng hiểu ngữ cảnh dài, mỉa mai hoặc những cấu trúc như “không hẳn là tệ” còn yếu.
Đánh giá mô hình: accuracy chưa đủ
Nếu dữ liệu mất cân bằng, accuracy có thể gây hiểu nhầm. Ví dụ, khi phần lớn review là positive, một mô hình thiên về dự đoán positive vẫn có accuracy cao nhưng nhận diện negative kém.
Nên theo dõi thêm:
- Precision: trong các mẫu mô hình dự đoán thuộc một lớp, bao nhiêu mẫu đúng.
- Recall: trong các mẫu thực sự thuộc lớp đó, mô hình phát hiện được bao nhiêu.
- F1-score: cân bằng giữa precision và recall.
- Confusion matrix: cho biết mô hình thường nhầm lớp nào với lớp nào.
Ngoài metric tổng hợp, nên tạo một error set chứa các nhóm khó như phủ định, slang, câu hỗn hợp, mỉa mai và câu rất ngắn. Việc đọc trực tiếp lỗi thường giúp cải thiện hệ thống hiệu quả hơn chỉ nhìn vào một con số duy nhất.
Kết luận
Phân tích cảm xúc tiếng Việt không chỉ là chọn một classifier rồi gán nhãn positive hoặc negative. Chất lượng hệ thống phụ thuộc mạnh vào cách định nghĩa nhãn, domain dữ liệu, xử lý phủ định, sentiment theo từng aspect và cách đánh giá lỗi.
Với bài toán nhỏ, TF-IDF kết hợp Logistic Regression là một baseline thực dụng. Khi dữ liệu lớn hơn hoặc ngôn ngữ có nhiều ngữ cảnh phức tạp, mô hình Transformer có thể phù hợp hơn, nhưng vẫn cần dữ liệu đúng domain và quy trình đánh giá cẩn thận để kết quả có giá trị trong ứng dụng thực tế.
Nội dung gốc thuộc tác giả. Vui lòng không đăng lại toàn văn khi chưa được phép, trừ trường hợp pháp luật hoặc giấy phép áp dụng cho phép. Nội dung của bên thứ ba tuân theo quyền và giấy phép tương ứng.
Nguồn gốc: Phân tích cảm xúc tiếng Việt trong NLP: Các case study