Ứng dụng mô hình máy học để phân loại thông tin thương hiệu doanh nghiệp tại tổng công ty Điện lực miền Nam

Abstract

Việc theo dõi, phân tích đưa ra dự báo đánh giá thông tin thương hiệu Doanh nghiệp trên quy mô lớn cho các doanh nghiệp Việt Nam có thể giúp giải quyết bài toán khủng hoảng thông tin, xây dựng niềm tin trên thị trường. Ngoài khả năng có thể thực hiện một cách rộng rãi, việc sử dụng dữ liệu lớn và ứng dụng thuật toán học máy, xử lý ngôn ngữ tự nhiên trong việc sắp xếp, phân loại thông tin doanh nghiệp không cần tốn nhiều thời gian và chi phí như các phương pháp tìm kiếm, phân loại thông tin doanh nghiệp truyền thống. Trong bài nghiên cứu này, tác giả ứng dụng mô hình máy học dựa trên các thuật toán để phân loại bộ dữ liệu lớn đã được sàng lọc qua các từ khóa và phân tích các dữ liệu thông tin doanh nghiệp. Kết quả nghiên cứu cho thấy các thuật toán Naïve Bayes, Random Forest, Decision Tree, Bernoulli, Support Vector Machine (SVM) và Support CBOW trong Deep learning đã đem lại độ chính xác cao nhất (trên 85%) khi thực hiện phân loại tập dữ liệu. Áp dụng các thuật toán trên cho thấy dữ liệu thông tin doanh nghiệp có thể quản lý được kiểm soát chặt chẽ hơn đối với thông tin doanh nghiệp trên không gian mạng qua đó đưa ra các dự báo thông tin trong quản lý điều hành doanh nghiệp, ngăn chặn thông tin xấu, bất lợi một cách kịp thời, không để khủng hoảng truyền thông, tăng độ tin cậy và độ tín nhiệm doanh nghiệp trên thị trường và khách hàng khi sử dụng sản phẩm/dịch vụ