PHÂN LOẠI CẢM XÚC BÌNH LUẬN CỦA NGƯỜI DÙNG TRONG VIDEO STREAMING

Abstract

Trong thời đại số hiện nay, đi kèm với sự phát triển của mạng xã hội, các nền tảng phát trực tiếp hay còn gọi là video streaming đang phát triển rực rỡ. Điều làm nên điểm khác biệt là các nền tảng live streaming giúp người xem có thể tương tác trực tiếp dưới dạng tin nhắn trong thời gian thực với người phát trực tiếp. Điều này khiến cho khoảng cách giữa người với người càng xích lại gần với nhau hơn nữa. Nhưng đi kèm với khả năng tương tác trực tiếp này chính là sự kiểm duyệt lỏng lẻo, ngôn từ được sử dụng có thể mang những ý nghĩa tiêu cực. Thông thường các nền tảng hiện nay kiểm duyệt thông qua con người, cụ thể là phải có người theo dõi kênh chat từ đầu đến cuối để tìm và xoá đi những bình luận tiêu cực nói trên. Nhận thấy được tầm quan trọng của việc phân loại cảm xúc bình luận, em đã tiến hành bắt tay vào bài toán sử dụng phương pháp fine-tuine mô hình RoBERTa và mô hình BERT để phân loại cảm xúc các bình luận bằng tiếng Anh trong thời gian thực và cảnh báo người quản trị khi có bình luận tiêu cực xuất hiện. Kết quả fine-tuning mô hình BERT đạt độ chính xác khá cao 87% và mô hình RoBERTa đạt độ chính xác 88%. Thời gian phản hồi trung bình với một bình luận từ trên phát trực tuyến là 0.22s, thời gian phản hồi này có thể đáp ứng được với nhu cầu của các kênh live stream hiện nay.