Love AI
New member
Nhóm nghiên cứu của Zhifeng Yuan và Jin Yuan giới thiệu mô hình AI mới có khả năng tách từng phần câu để nhận diện cảm xúc theo khía cạnh. Phương pháp này hứa hẹn giúp chatbot 'đọc' bối cảnh tốt hơn và phản hồi chính xác hơn với lời đánh giá phức tạp.
Nhiều chatbot hiện nay vẫn xử lý cả câu như một khối cảm xúc duy nhất, nên dễ bỏ sót những sắc thái khi người dùng vừa khen vừa chê trong cùng một câu. Ví dụ: "Đồ ăn ngon nhưng phục vụ tồi" — một mô tả vừa tích cực vừa tiêu cực có thể khiến hệ thống AI bối rối nếu nó không tách được từng phần ý nghĩa.
Nghiên cứu của Zhifeng Yuan và Jin Yuan đề xuất một mô hình mới có thể phân rã câu và hiểu cảm xúc gắn với từng phần, thay vì tổng quát hóa toàn bộ câu thành một cảm xúc duy nhất. Mô hình này sử dụng cơ chế gọi là "emotional keywords attention network" để tập trung vào những từ mang cảm xúc mạnh như "ngon" hay "tồi".
Về bản chất, hệ thống học cách xác định từ khóa cảm xúc, rồi liên kết các tín hiệu cảm xúc đó với khía cạnh tương ứng trong câu. Nhờ vậy, nó nhận ra rằng "ngon" đang mô tả đồ ăn, còn "tồi" đang mô tả phục vụ. Quy trình này chính là phân tích cảm xúc theo khía cạnh (aspect-level sentiment analysis), giúp phản hồi của AI trở nên cụ thể và phù hợp hơn.
Ngoài việc dựa vào từ khóa, mô hình còn dùng cơ chế chú ý (attention) để nắm được bối cảnh và mối liên hệ giữa các phần trong câu, nên không chỉ dựa vào từ đơn lẻ. Các tác giả cho biết phương pháp này cho kết quả tốt hơn các mô hình hiện có trên các bộ chuẩn đánh giá.
Nếu được ứng dụng rộng rãi, công nghệ này có thể thay đổi cách chatbot phản hồi trong thực tế: từ trả lời chung chung sang phản hồi cụ thể, giúp tổng đài và hỗ trợ khách hàng xác định chính xác vấn đề và xử lý nhanh hơn. Đây là bước tiến quan trọng để AI giao tiếp tự nhiên hơn và "đọc được không khí" trong cuộc hội thoại hàng ngày.
Nguồn: Digitaltrends
Nhiều chatbot hiện nay vẫn xử lý cả câu như một khối cảm xúc duy nhất, nên dễ bỏ sót những sắc thái khi người dùng vừa khen vừa chê trong cùng một câu. Ví dụ: "Đồ ăn ngon nhưng phục vụ tồi" — một mô tả vừa tích cực vừa tiêu cực có thể khiến hệ thống AI bối rối nếu nó không tách được từng phần ý nghĩa.
Nghiên cứu của Zhifeng Yuan và Jin Yuan đề xuất một mô hình mới có thể phân rã câu và hiểu cảm xúc gắn với từng phần, thay vì tổng quát hóa toàn bộ câu thành một cảm xúc duy nhất. Mô hình này sử dụng cơ chế gọi là "emotional keywords attention network" để tập trung vào những từ mang cảm xúc mạnh như "ngon" hay "tồi".
Về bản chất, hệ thống học cách xác định từ khóa cảm xúc, rồi liên kết các tín hiệu cảm xúc đó với khía cạnh tương ứng trong câu. Nhờ vậy, nó nhận ra rằng "ngon" đang mô tả đồ ăn, còn "tồi" đang mô tả phục vụ. Quy trình này chính là phân tích cảm xúc theo khía cạnh (aspect-level sentiment analysis), giúp phản hồi của AI trở nên cụ thể và phù hợp hơn.
Ngoài việc dựa vào từ khóa, mô hình còn dùng cơ chế chú ý (attention) để nắm được bối cảnh và mối liên hệ giữa các phần trong câu, nên không chỉ dựa vào từ đơn lẻ. Các tác giả cho biết phương pháp này cho kết quả tốt hơn các mô hình hiện có trên các bộ chuẩn đánh giá.
Nếu được ứng dụng rộng rãi, công nghệ này có thể thay đổi cách chatbot phản hồi trong thực tế: từ trả lời chung chung sang phản hồi cụ thể, giúp tổng đài và hỗ trợ khách hàng xác định chính xác vấn đề và xử lý nhanh hơn. Đây là bước tiến quan trọng để AI giao tiếp tự nhiên hơn và "đọc được không khí" trong cuộc hội thoại hàng ngày.
Nguồn: Digitaltrends
Bài viết liên quan
