Phân tích cảm xúc review sản phẩm bằng học sâu

Phân tích cảm xúc (Sentiment Analysis) là một trong những ứng dụng phổ biến nhất của xử lý ngôn ngữ tự nhiên (NLP). Nó được sử dụng để hiểu ý kiến của người dùng từ các bình luận, đánh giá sản phẩm hoặc phản hồi trên mạng xã hội. Với sự phát triển của học sâu, việc xây dựng mô hình phân tích cảm xúc đã trở nên đơn giản hơn bao giờ hết nhờ vào các framework như TensorFlow và PyTorch.

Trước khi đi sâu vào học sâu, bạn nên làm quen với tiền xử lý dữ liệu qua bài Hướng dẫn tiền xử lý dữ liệu sạch để huấn luyện mô hình tốt hơn và tìm hiểu tổng quan về Python qua bài Phân tích dữ liệu bán hàng bằng Python và Pandas. Bài Tự động phát hiện biển số xe từ ảnh bằng YOLO cũng là một ví dụ hay về ứng dụng học sâu cho computer vision, giúp bạn hình dung cách các mô hình deep learning hoạt động trong thực tế.

Dữ liệu để thực hành

Trong hướng dẫn này, chúng ta sẽ sử dụng bộ dữ liệu Amazon Product Reviews – một tập dữ liệu khổng lồ chứa các đánh giá của người dùng trên Amazon. Bộ dữ liệu này đã được phân loại cảm xúc thành positive và negative, phù hợp để huấn luyện mô hình học sâu.

📥 Link tải dataset: https://www.kaggle.com/datasets/bittlingmayer/amazonreviews

Bạn cần tải file ZIP, giải nén và upload vào Google Colab. Sau khi upload, tập tin quan trọng là reviews.csv.

Cài đặt thư viện và chuẩn bị môi trường

Học sâu yêu cầu một số thư viện chuyên dụng. Trên Google Colab, bạn có thể cài đặt nhanh bằng:

!pip install tensorflow pandas numpy matplotlib scikit-learn

Import các thư viện cần thiết:

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import tensorflow as tf
from tensorflow.keras.preprocessing.text import Tokenizer
from tensorflow.keras.preprocessing.sequence import pad_sequences
from sklearn.model_selection import train_test_split

# Đọc dữ liệu
df = pd.read_csv('/content/reviews.csv')
df.head()

df.info()
print(df['sentiment'].value_counts())

import re

def clean_text(text):
    text = re.sub(r'[^a-zA-Z\s]', '', text)
    text = text.lower()
    return text

df['clean_review'] = df['review'].apply(clean_text)

df['label'] = df['sentiment'].apply(lambda x: 1 if x == 'positive' else 0)

X_train, X_test, y_train, y_test = train_test_split(df['clean_review'], df['label'], test_size=0.2, random_state=42)

tokenizer = Tokenizer(num_words=5000, oov_token='<OOV>')
tokenizer.fit_on_texts(X_train)

train_sequences = tokenizer.texts_to_sequences(X_train)
test_sequences = tokenizer.texts_to_sequences(X_test)

max_length = 100
train_padded = pad_sequences(train_sequences, maxlen=max_length, padding='post', truncating='post')
test_padded = pad_sequences(test_sequences, maxlen=max_length, padding='post', truncating='post')

model = tf.keras.Sequential([
    tf.keras.layers.Embedding(input_dim=5000, output_dim=64, input_length=max_length),
    tf.keras.layers.Bidirectional(tf.keras.layers.LSTM(64)),
    tf.keras.layers.Dense(64, activation='relu'),
    tf.keras.layers.Dense(1, activation='sigmoid')
])

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
model.summary()

history = model.fit(train_padded, y_train, epochs=5, validation_data=(test_padded, y_test), batch_size=128)

plt.plot(history.history['accuracy'], label='Train Accuracy')
plt.plot(history.history['val_accuracy'], label='Validation Accuracy')
plt.legend()
plt.title('Độ chính xác trong quá trình huấn luyện')
plt.show()

def predict_sentiment(text):
    seq = tokenizer.texts_to_sequences([clean_text(text)])
    padded = pad_sequences(seq, maxlen=max_length, padding='post')
    pred = model.predict(padded)[0][0]
    return "Positive" if pred > 0.5 else "Negative"

# Ví dụ
print(predict_sentiment("This product is amazing!"))
print(predict_sentiment("Terrible experience, very disappointed."))