AI Foundation
Phân loại văn bản
Vietnamese onlyThe learning content is available in Vietnamese only. The surrounding interface follows your language.AI đọc tin nhắn rồi gán nhãn — giống nhân viên thư phòng ngày xưa phân loại thư nhưng nhanh hơn triệu lần. Cốt lõi của chatbot, bộ lọc spam, hệ thống hỗ trợ khách hàng.
Phân loại văn bản là gì?
Thời ông bà mình, mọi công ty đều có nhân viên thư phòng. Bác ấy ngồi giữa đống phong bì: đọc qua vài dòng, liếc tem, rồi bỏ vào đúng ngăn — khách hàng, nhà cung cấp, hóa đơn, khiếu nại. Ngày mấy nghìn lá thư. Phân loại văn bản (text classification) là phiên bản máy tính của chính công việc đó — chỉ khác là bác thư phòng xử 2.000 thư/ngày, còn AI xử 2 triệu tin nhắn/giây.
Năm “ngăn” cho chatbot khách hàng
| Ngăn | Nội dung |
|---|---|
| Hỗ trợ kỹ thuật | App / phần mềm / đăng nhập / cài đặt |
| Phàn nàn dịch vụ | Thái độ / bồi thường |
| Hoàn tiền / đổi trả | Đổi trả / hoàn tiền / huỷ đơn |
| Hóa đơn / thanh toán | Hóa đơn / thẻ / trừ tiền / gia hạn |
| Câu hỏi chung | Hỏi thông tin, giờ mở cửa, còn hàng… |
Nhãn phẳng hay đa nhãn?
Thực tế, một tin nhắn có thể thuộc nhiều ngăn. Máy học với nhãn phẳng (chỉ chọn 1) sẽ mất thông tin — khi chuyển sang đa nhãn phân cấp, đội xử lý biết đầy đủ hơn.
| Tin nhắn | Đa nhãn phân cấp |
|---|---|
| “App bị lỗi đăng nhập, mất tiền trong thẻ mà chưa được hoàn lại” | Hỗ trợ kỹ thuật · Thanh toán · Hoàn tiền / đổi trả |
| “Hãng giao sai đơn, mình muốn đổi trả và cần bồi thường phí ship” | Khiếu nại · Hoàn tiền / đổi trả |
| “Shop còn size M không ạ? Nếu có thì ship về quận 7 mất bao lâu?” | Câu hỏi chung |
Cây nhãn phân cấp (ví dụ công ty SaaS)
- Hỗ trợ khách hàng
- └─ Kỹ thuật → Đăng nhập · Cài đặt / app crash
- └─ Thanh toán → Thẻ / trừ tiền sai
- └─ Đổi trả / hoàn tiền
- └─ Khiếu nại
- └─ Câu hỏi chung
Khoảnh khắc A-ha
Phân loại văn bản không phải tìm từ khóa. “App bị đơ” và “phần mềm không phản hồi” không trùng một chữ nào — nhưng cùng một ý định. AI hiện đại hiểu điều đó bằng cách đọc ý nghĩa, không phải đếm từ.
Vì thế bạn chỉ cần đưa vài nghìn ví dụ có nhãn — máy tự học ra khái niệm “hỗ trợ kỹ thuật” kể cả khi khách viết theo cách chưa từng thấy.
Thử thách nhanh
Các cách phân loại và độ chính xác
Phân loại văn bản là bài toán NLP cơ bản nhất và phổ biến nhất: đưa một đoạn văn vào, lấy ra một (hoặc nhiều) nhãn đã định nghĩa sẵn. Cái quan trọng với dân văn phòng: biết khi nào dùng gì, hiểu các đo lường nào, và tránh những cái bẫy thường gặp.
| Cách làm | Cách hoạt động | Độ chính xác (tham khảo) |
|---|---|---|
| Rule & Keyword | Kê danh sách từ cấm, regex. Nhanh, dễ giải thích, nhưng giòn (khách viết khác là sai). | ~60–70% |
| Naive Bayes, SVM, Logistic | Học từ vài nghìn ví dụ có nhãn. Đủ tốt cho bộ lọc spam, phân chuyên mục báo, triage ticket đơn giản. | ~80–90% |
| PhoBERT, XLM-R, GPT | Hiểu ý định, đảo ngữ, viết tắt, emoji. Cần ít dữ liệu nhãn hơn nhờ pre-training. | ~90–97% |
Đo lường chất lượng — đọc biểu đồ trong báo cáo
| Chỉ số | Câu hỏi | Ví dụ |
|---|---|---|
| Precision (độ chính xác) | Trong những tin nhắn bị gán KỸ THUẬT, bao nhiêu % thật sự là kỹ thuật? | Đo độ “bắt nhầm” |
| Recall (độ phủ) | Trong tất cả tin nhắn KỸ THUẬT thật, bao nhiêu % được AI bắt được? | Đo độ “bỏ sót” |
| F1 (cân bằng cả hai) | Trung bình điều hòa — chỉ số tổng hợp dùng để so hai mô hình. | — |
Mẹo nhớ: Precision cao ⇒ ít “bắt nhầm”. Recall cao ⇒ ít “bỏ sót”. Với spam, chọn Precision cao. Với ung thư, chọn Recall cao.
Ma trận nhầm lẫn — đâu là chỗ máy hay nhầm?
Đường chéo (xanh) là đúng. Ô đỏ là nhầm. Ví dụ: 8 tin “khiếu nại” thật bị gán nhầm thành “kỹ thuật” — khách bực bội mô tả lỗi app, đội kỹ thuật xử trước rồi chuyển tiếp.
Dân văn phòng dùng phân loại văn bản ở đâu?
| Ứng dụng | Ví dụ |
|---|---|
| Lọc email / spam | Gmail chặn > 99% spam trước khi vào inbox. |
| Phân chuyên mục | VnExpress tự gán bài thể thao / kinh tế / công nghệ. |
| Intent chatbot | Shopee/Tiki chatbot: đặt hàng / hỏi giá / khiếu nại. |
| Kiểm duyệt nội dung | Phát hiện comment toxic, spam, scam trên fanpage. |
| Triage khẩn cấp | Ticket nào là cháy (khóa thẻ, sập server), ticket nào chờ được. |
| Phân loại CV | Theo vị trí, loại ngành, mức kinh nghiệm. |
Tóm tắt
- Phân loại văn bản = gán nhãn cho text — giống nhân viên thư phòng nhưng nhanh hơn triệu lần.
- Bốn dạng chính: nhị phân, đa lớp, đa nhãn, và intent — chatbot hiện đại phân loại đồng thời ý định + mức độ khẩn cấp.
- Ba kỹ thuật: rule (nhanh, giòn) → ML cổ điển (đủ tốt) → BERT/LLM (hiểu ý nghĩa).
- Đọc báo cáo: Precision cao → ít bắt nhầm. Recall cao → ít bỏ sót. F1 cân bằng.
- Ứng dụng: lọc spam, chuyên mục báo, intent chatbot, moderation, triage ticket, review CV.