XỬ LÝ Ý KIẾN PHẢN HỒI CỦA NGƯỜI HỌC DỰA TRÊN PHƯƠNG PHÁP PHÂN LOẠI VĂN BẢN

Phạm Thị Kim Ngoan, Nguyễn Hải Triều

Tóm tắt


Đảm bảo chất lượng đào tạo đang nhận được nhiều sự quan tâm của các cơ sở đào tạo đại học. Người học đóng vai trò quan trọng trong việc đảm bảo chất lượng đào tạo. Với mục tiêu hiểu được các phản hồi của người học về các hoạt động đào tạo tại trường Đại học Nha Trang (ĐHNT) nhằm góp phần nâng cao chất lượng đào tạo của Nhà trường, chúng tôi đề xuất xử lý các ý kiến phản hồi của người học thông qua việc tự động phân loại và gán nhãn các ý kiến phản hồi của người học. Việc phân loại và dự đoán các nhãn được thực hiện dựa trên phương pháp Support Vector Machine (SVM) và Naive Bayes Classifier (NBC). Thực nghiệm cho kết quả khả quan trên tập dữ liệu ý kiến của người học trường ĐHNT với phương pháp SVM và NBC tương ứng là 92.13% và 90.10%.


Từ khóa


Naive Bayesian Classification (NBC); Phân loại văn bản; Support Vector Machine (SVM); Ý kiến người học.

Toàn văn:

PDF

Các tài liệu tham khảo


Han, J., Kamber, M., & Pei, J. (2011). Data mining concepts and techniques (3rd ed.). Massachusetts, USA: Morgan Kaufmann Publishing.

Harvard University. (n.d). Getting feedback. Retrieved from https://bokcenter.harvard.edu/getting-feedback.

Hồ, T. T., & Đỗ, P. (2014). Mô hình tích hợp khám phá, phân lớp và gán nhãn chủ đề tiếp cận theo mô hình chủ đề. Tạp chí phát triển KH&CN, 17(K4-2014), 73-85.

Joachims, T. (1998). Text categorization with Support Vector Machines: Learning with many relevant features. Paper presented at The 10th European Conference on Machine Learning (ECML-98), Chemnitz, Germany.

Joachims, T. (1999). Transductive inference for text classification using Support Vector Machines. Paper presented at The 16th International Conference on Machine Learning (ICML’99), San Francisco, USA.

Karthika, S., & Sairam, N. (2015). Naïve Bayesian classifer for educational qualifcation. Indian Journal of Science and Technology, 8(16), 1-5.

L-Università ta’ Malta (UM) (2020). Student feedback. Retrieved from https://www.um.edu.mt/ services/administrativesupport/apqru/studentfeedback.

Maaten, L.V., & Hinton, G. E. (2008). Visualizing data using t-SNE. Journal of Machine Learning Research, 9, 2579-2605.

Nandi, M. (2014). Kernel theory recitation. Pennsylvania, USA: Carnegie Mellon University-Machine Learning Department Publishing.

Robertson, S. E. (2004). Understanding inverse document frequency: On theoretical arguments for IDF. Journal of Documentation, 60(5), 503-520.

Srivastava, D., & Bhambhu, L. (2010). Data classification using Support Vector Machine. Journal of Theoretical and Applied Information Technology, 12(1), 1-7.

Trần, C. Đ., & Phạm, N. K. (2012). Phân loại văn bản với máy học vector hỗ trợ và cây quyết định. Tạp chí Khoa học Trường Đại học Cần Thơ, (21a), 52-63.

Trần, V. T. (2016). Python Vietnamese toolkit. Retrieved from https://pypi.org/project/pyvi/.

Vũ, H. T. (2020). Machine Learning cơ bản. Retrieved from https://github.com/tiepvupsu/ebookMLCB.

Zhang, H. (2004). The optimality of Naive Bayes. Paper presented at The 17th International Florida Artificial Intelligence Research Society Conference, Florida, USA.




DOI: http://dx.doi.org/10.37569/DalatUniversity.10.3.667(2020)

Các bài báo tham chiếu

  • Hiện tại không có bài báo tham chiếu.


Copyright (c) 2020 Phạm Thị Kim Ngoan, Nguyễn Hải Triều.

Giấy phép URL: https://creativecommons.org/licenses/by-nc/4.0/
Văn phòng Tạp chí Đại học Đà Lạt
Nhà A25 - Số 1 Phù Đổng Thiên Vương, Đà Lạt, Lâm Đồng
Email: tapchikhoahoc@dlu.edu.vn - Điện thoại: (+84) 263 3 555 131

Creative Commons License
Trên nền tảng Open Journal Systems
Thực hiện bởi Khoa Công nghệ Thông tin