Hệ thống hỗ trợ đánh giá và khuyến nghị dịch vụ du lịch dựa trên khai thác ý kiến khách hàng trực tuyến

nghị dịch vụ. 
4.5 Thảo luận kết quả nghiên cứu 
Từ các kết quả nghiên cứu, tác giả đưa ra một số khuyến nghị để có thể triển khai hệ thống trong thực tiễn 
của ngành du lịch. 
 Về phạm vi triển khai hệ thống: Với đặc tính của hệ thống này dựa trên nguồn dữ liệu thứ cấp có 
sẵn, nên đề xuất cho các doanh nghiệp có thể: (1) xây dựng và triển khai hệ thống theo dạng tích 
hợp vào hệ thống quản trị quan hệ khách hàng (CRM) để đánh giá chất lượng dịch vụ của chính 
doanh nghiệp đó; (2) xây dựng và triển khai như một hệ thống độc lập, có thể khai thác các nguồn 
dữ liệu trên mạng để đánh giá chất lượng dịch vụ của nhiều doanh nghiệp khác nhau trong ngành 
du lịch. 
 Về công nghệ lưu trữ và xử lý dữ liệu: Khả năng hỗ trợ cho các nhà quản trị ra các quyết định 
trong đánh giá và cải tiến chất lượng dịch vụ có được chính xác và nhanh chóng phụ thuộc nhiều 
vào độ lớn của dữ liệu và năng lực xử lý của hệ thống máy tính. Do đó, khi triển khai thực tế, doanh 
nghiệp cần tính đến ứng dụng các công nghệ lưu trữ dữ liệu lớn (Big data), bên cạnh đó là xem xét 
khả năng trang bị hệ thống tính toán hiệu suất cao (High Performance Computing). Tuy nhiên, vấn 
đề này cũng cần phải đánh giá tính khả thi của dự án, giữa chi phí đầu tư hạ tầng công nghệ thông 
tin và lợi ích kỳ vọng mà hệ thống này mang lại. 
 Về quy trình vận hành hệ thống: Đây là một dạng hệ thống hỗ trợ ra quyết định, việc sử dụng 
các kết quả phân tích từ hệ thống thường mang tính định kỳ, tùy thuộc vào nhu cầu đánh giá chất 
lượng dịch vụ và tần suất ra quyết định cải tiến chất lượng dịch vụ của nhà quản trị. Do đó, các 
chức năng thu thập dữ liệu, tiền xử lý dữ liệu, huấn luyện lại các mô hình phân loại ý kiến và 
khuyến nghị dịch vụ cũng nên được thực hiện một cách định kỳ. Bên cạnh đó cũng tùy thuộc vào 
tốc độ tăng trưởng và biến động của nguồn dữ liệu bình luận của khách hàng trên các trang mạng 
và các nền tảng xã hội. 
 Về người sử dụng hệ thống: Ngoài đối tượng sử dụng chính của hệ thống là nhà quản trị doanh 
nghiệp và khách hàng, các chức năng thu thập dữ liệu, tiền xử lý dữ liệu, huấn luyện, đánh giá và 
lựa chọn các mô hình phân loại ý kiến và khuyến nghị dịch vụ nên được thực hiện bởi các chuyên 
gia tri thức, đặc biệt là là các chuyên gia về khoa học dữ liệu (Data scientists). 
5 KẾT LUẬN 
Nghiên cứu này đã đề xuất một mô hình kiến trúc hệ thống cùng với các giải pháp hỗ trợ đánh giá và khuyến 
nghị dịch vụ du lịch dựa trên phương pháp khai thác ý kiến khách hàng trực tuyến. Kết quả thực nghiệm 
các giải pháp đã cung cấp một nền tảng giúp cho các công ty kinh doanh dịch vụ du lịch, các nhà quản trị 
có cơ sở để so sánh, đánh giá các dịch vụ du lịch. Đồng thời có thể khuyến nghị, khuyến nghị cho khách 
hàng lựa chọn được dịch vụ du lịch phù hợp. Tuy nhiên, nghiên cứu này vẫn còn nhiều hạn chế, có thể cải 
tiến tốt hơn hoặc trong những nghiên cứu tiếp theo. 
Thứ nhất, hạn chế về đối tượng và phạm vi nghiên cứu: Nghiên cứu này chỉ thu thập dữ liệu là các bình 
luận của khách hàng về khách sạn trên trang web Agoda. Nghiên cứu có thể mở rộng thu thập các nhận xét 
về bất kỳ các sản phẩm hoặc dịch vụ khác trên các website thương mại điện tử hoặc các trang mạng xã hội. 
Thứ hai, hạn chế về dữ liệu nghiên cứu: Về thu thập dữ liệu, do phạm vi của đề tài chỉ giới hạn thu thập 
dữ liệu từ trang web du lịch Agoda. Nghiên cứu có thể mở rộng thu thập thêm các nhận xét về dịch vụ 
khách sạn trên các trang như Booking, Tripadvisor, hoặc mạng xã hội. Tuy nhiên, nghiên cứu sẽ gặp một 
thách thức lớn trong việc hợp nhất và đồng bộ các nguồn dữ liệu khác nhau. 
Thứ ba, hạn chế về phương pháp nghiên cứu: Nghiên cứu này chỉ phân loại ý kiến khách hàng theo thang 
đo hai mức: tích cực (positive) và tiêu cực (negative). Hướng nghiên cứu kế tiếp có thể sử dụng thang đo 
nhiều mức hơn (ví dụ theo thang đo Likert 5 mức). Bên cạnh đó, về kỹ thuật phân loại ý kiến, nghiên cứu 
này chỉ sử dụng phương pháp máy học có giám sát, nếu kết hợp lai với phương pháp từ vựng dựa trên ngữ 
nghĩa có thể sẽ cho kết quả tốt hơn. Tuy nhiên, hiện tại chưa có nhiều công cụ hỗ trợ xử lý tiếng Việt tốt 
186 HỆ THỐNG HỖ TRỢ ĐÁNH GIÁ VÀ KHUYẾN NGHỊ DỊCH VỤ DU LỊCH DỰA TRÊN 
 KHAI THÁC Ý KIẾN KHÁCH HÀNG TRỰC TUYẾN 
© 2020 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 
như đối với ngôn ngữ tiếng Anh. Điều này cũng mở ra nhiều cơ hội cho cộng đồng các nhà nghiên cứu 
trong và ngoài nước. 
Cuối cùng, hạn chế trong cách đánh giá kết quả nghiên cứu: Kết quả nghiên cứu mới chỉ dừng lại ở việc 
đánh giá các giải pháp xử lý dữ liệu, nghiên cứu này cần thêm thời gian để hoàn chỉnh hệ thống, sau đó 
triển khai và lấy ý kiến người dùng để đánh giá và kiểm nghiệm hệ thống vận hành thực tế. 
TÀI LIỆU THAM KHẢO 
[1]. A. Dhokrat, S. Khillare, and C. N. Mahender, Review on techniques and tools used for opinion 
mining, International Journal of Computer Applications Technology and Research, 2015, vol. 6, no. 
4, pp. 419-424. 
[2]. A. Hendawi, and H. El-Shishny, Data Warehouse Prototype for the Tourism Industry: A Case Study 
from Egypt, in International Conference on Informatics and Systems, 2008. 
[3]. A. Hinze, and S. Junmanee, Advanced recommendation models for mobile tourist information, in 
OTM Confederated International Conferences “On the Move to Meaningful Internet Systems”, 2006, 
pp. 643-660. 
[4]. A. Kumar, S. Abirami, Aspect-based opinion ranking framework for product reviews using a 
Spearman's rank correlation coefficient method, Information Sciences, 2018, vol. 460, pp. 23-41. 
[5]. A. Parasuraman, V. A. Zeithaml, and L. L. Berry, A conceptual model of service quality and its 
implications for future research, The Journal of Marketing, 1985, pp. 41-50. 
[6]. A. Parasuraman, V. A. Zeithaml, and L. L. Berry, SERVQUAL: A multi-item scale for measuring 
customer perceptions of service quality, Journal of Retailing, 1988, vol. 1, no. 64, pp. 12-40. 
[7]. A. S. A. Ali, Opinion Mining Techniques, International Journal of Innovative Science, Engineering 
and Technology-IJISET, 2015, vol. 6, no. 2, pp. 752-755. 
[8]. B. Liu, Sentiment analysis and opinion mining, Synthesis Lectures on Human Language 
Technologies, 2012, vol. 1, no. 5, pp. 1-167. 
[9]. B. Pang, and L. Lee, Opinion mining and sentiment analysis, Foundations and trends in information 
retrieval, 2008, vol. 2, no. 2, pp. 1-135. 
[10]. C. Bucur, Using Opinion Mining Techniques in Tourism, Procedia Economics and Finance, 2015, 
vol. 23, pp. 1666-1673. 
[11]. C. Gronroos, A service quality model and its marketing implications, European Journal of Marketing, 
1984, vol. 4, no. 18, pp. 36-44. 
[12]. C. Petropoulos, A. Patelis, K. Metaxiotis, K. Nikolopoulos, and V. Assimakopoulos, SFTIS: A 
decision support system for tourism demand analysis and forecasting, Journal of Computer 
Information Systems, 2003, vol. 1, no. 44, pp. 21-32. 
[13]. C. Yu, X. Zhu, B. Feng, L. Cai, and L. An, Sentiment Analysis of Japanese Tourism Online Reviews, 
Journal of Data and Information Science, 2019, vol. 1, no. 4, pp. 89-113. 
 HỆ THỐNG HỖ TRỢ ĐÁNH GIÁ VÀ KHUYẾN NGHỊ DỊCH VỤ DU LỊCH DỰA TRÊN 187 
 KHAI THÁC Ý KIẾN KHÁCH HÀNG TRỰC TUYẾN 
© 2020 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 
[14]. Đ. Bunja, B. K. Miočić, and P. Nekić, Possibilities for implementation of the decision support system 
in the Croatian tourism industry, in 30th International Convention MIPRO 2008-CONFERENCE ON 
BUSINESS INTELLIGENCE SYSTEMS, 2007. 
[15]. E. Bjørkelund, T. H. Burnett, and K. Nørvåg, A study of opinion mining and visualization of hotel 
reviews, in Proceedings of the 14th International Conference on Information Integration and Web-
based Applications & Services, 2012, pp. 229-238. 
[16]. E. Marrese-Taylor, J. D. Velásquez, and F. Bravo-Marquez, A novel deterministic approach for 
aspect-based opinion mining in tourism products reviews, Expert Systems with Applications, 2014, 
vol. 17, no. 4, pp. 7764-7775. 
[17]. F. Ricci, Travel recommender systems, IEEE Intelligent Systems, 2002, vol. 6, no. 17, pp. 55-57. 
[18]. G. Stalidis, D. Karapistolis, and A. Vafeiadis, Marketing decision support using Artificial Intelligence 
and Knowledge Modeling: application to tourist destination management, International Conference 
on Strategic Innovative Marketing, 2014. 
[19]. I. N. Wahab, Role of information technology in tourism industry: Impact and growth, International 
Journal of Innovative Research in Computer and Communication Engineering, 2017, vol. 2, no. 5, 
pp. 260-263. 
[20]. I. Perikos, K. Kovas, F. Grivokostopoulou, and L. Hatzilygeroudis, A System for Aspect-based 
Opinion Mining of Hotel Reviews, in WEBIST , 2017, pp. 388-394. 
[21]. J. A. Martilla, and J. C. James, Importance-performance analysis, Journal of marketing, 1997, vol. 
41, no. 1, pp. 77-79. 
[22]. J. J. Cronin, and S. A. Taylor, Measuring service quality: a reexamination and extension, Journal of 
marketing, 1992, vol. 56, no. 3, pp. 55-68. 
[23]. J. P. Bousset, D. Skuras, J. Těšitel, J. B. Marsat, A. Petrou, E. Fiallo-Pantziou, and M. Bartoš, A 
decision support system for integrated tourism development: Rethinking tourism policies and 
management strategies’, Tourism Geographies, 2007, vol. 4, no. 9, pp. 387-404. 
[24]. J. Wang, and C. Li, Design and implementation of tourist WebGIS based on J2EE, In 22nd 
International Cartographic Conference, 2005. 
[25]. K. W. Wöber, Information supply in tourism management by marketing decision support systems, 
Tourism Management, 2003, vol. 3, no. 24, pp. 241-255. 
[26]. M. Afzaal, M. Usman, A. C. M. Fong, S. Fong, and Y. Zhuang, Fuzzy Aspect Based Opinion 
Classification System for Mining Tourist Reviews, Advances in Fuzzy Systems, 2016. 
[27]. M. Danubianu, T. Socaciu, and A. Barila, Some aspects of data warehousing in tourism industry, The 
USV Annals of Economics and Public Administration, 2009, vol. 9, no. 1, pp. 290-296. 
188 HỆ THỐNG HỖ TRỢ ĐÁNH GIÁ VÀ KHUYẾN NGHỊ DỊCH VỤ DU LỊCH DỰA TRÊN 
 KHAI THÁC Ý KIẾN KHÁCH HÀNG TRỰC TUYẾN 
© 2020 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 
[28]. N. Becser, Z. Zoltay-Paprika, A Decision Support Model for Improving Service Quality, SQI-DSS: 
A New Approach, Budapest University of Economics and Public Administration, Department of 
Business Economics, 2003. 
[29]. N. T. Duyen, N. X. Bach, and T. M. Phuong, An empirical study on sentiment analysis for 
Vietnamese, in Advanced Technologies for Communications (ATC), 2014 International Conference, 
2014, pp. 309-314. 
[30]. N. Yussupova, G. Kovács, M. Boyko, and D. Bogdanova, Models and Methods for Quality 
Management Based on Artificial Intelligence Applications, Acta Polytechnica Hungarica, 2016. 
[31]. Q. Ye, Z. Zhang, and R. Law, Sentiment classification of online reviews to travel destinations by 
supervised machine learning approaches, Expert Systems with Applications, 2009, vol. 3, no. 36, pp. 
6527-6535. 
[32]. R. Baggio and L. Caporarello, Decision support systems in a tourism destination: literature survey 
and model building, in U: Proceedings itAIS-2nd Conference of the Italian chapter of AIS, 2005. 
[33]. S. Blair-Goldensohn, K. Hannan, R. McDonald, T. Neylon, G. A. Reis, and J. Reynar, Building a 
sentiment summarizer for local service reviews, in WWW workshop on NLP in the information 
explosion era, 2008, pp. 339-348. 
[34]. S. K. Yadav, Sentiment analysis and classification: A survey, International Journal of Advance 
Research in Computer Science and Management Studies, 2015. 
[35]. S. M. Mudambi, and D. Schuff, What makes a helpful review? A study of customer reviews on 
Amazon. com, MIS quarterly, 2010, vol. 1, no. 34, pp. 185-200. 
[36]. S. P. Singh, J. Sharma, and P. Singh, A web-based tourist decision support system for Agra City, 
International Journal of Instrumentation, Control & Automation (IJICA), 2011, vol. 1, no. 1, pp. 51-
54. 
[37]. S. Sun, C. Luo, and J. Chen, A review of natural language processing techniques for opinion mining 
systems, Information Fusion, 2017, vol. 36, pp. 10-25. 
[38]. T. Abdul-Aziz, I. Moawad, and W. M. Abu-Alam, Decision Support System Utilizing Data 
Warehouse Technique for the Tourism Sector in Egypt, in The 7th International Conference on 
Information Technology, 2015. 
[39]. T. Masron, N. Ismail, and A. Marzuki, The conceptual design and application of web-based tourism 
decision support systems, Theoretical and Empirical Researches in Urban Management, 2016, vol. 
2, no. 11, pp. 64-75. 
[40]. T. S. Bang, C. Haruechaiyasak, and V. Sornlertlamvanich, Vietnamese sentiment analysis based on 
term feature selection approach, in Proceedings of The Tenth International Conference on 
Knowledge, Information and Creativity Support Systems, 2015, pp. 12-14. 
 HỆ THỐNG HỖ TRỢ ĐÁNH GIÁ VÀ KHUYẾN NGHỊ DỊCH VỤ DU LỊCH DỰA TRÊN 189 
 KHAI THÁC Ý KIẾN KHÁCH HÀNG TRỰC TUYẾN 
© 2020 Trường Đại học Công nghiệp Thành phố Hồ Chí Minh 
[41]. V. A. Zeithaml, A. Parasuraman, and L. L. Berry, Delivering quality service: Balancing customer 
perceptions and expectations, 1990. 
[42]. W. B. Claster, M. Cooper, and P. Sallis, Thailand-Tourism and conflict: Modeling sentiment from 
Twitter tweets using naïve Bayes and unsupervised artificial neural nets, in Computational 
Intelligence, Modelling and Simulation (CIMSiM), 2010 Second International Conference, 2010, pp. 
89-94. 
[43]. W. Duan, Q. Cao, Y. Yu, and S. Levy, Mining online user-generated content: using sentiment analysis 
technique to study hotel service quality, in System Sciences (HICSS), 2013 46th Hawaii International 
Conference, 2013, pp. 3119-3128. 
[44]. W. Kasper, M. Vela, Sentiment analysis for hotel reviews, in Computational linguistics-applications 
conference, 2011, pp. 45-52. 
[45]. W. Medhat, A. Hassan, and H. Korashy, Sentiment analysis algorithms and applications: A survey, 
Ain Shams Engineering Journal, 2014, vol. 4, no. 4, pp. 1093-1113. 
[46]. X. Qiao, L. Zhang, N. Li, and W. Zhu, Constructing a data warehouse based decision support platform 
for China tourism industry, in Information and Communication Technologies in Tourism 2014, 2014, 
pp. 883-893. 
[47]. Y. Asafe, A. Bolaji, A. Enaholo, and O. Olubukola, Web-based expert decision support system for 
tourism destination management in Nigeria, International Journal of Advanced Research in Artificial 
Intelligence, 2013, vol. 4, no. 2, pp. 59-63. 
[48]. Y. Guo, S. J. Barnes, and Q. Jia, Mining meaning from online ratings and reviews: Tourist satisfaction 
analysis using latent dirichlet allocation, Tourism Management, 2017, vol. 59, pp. 467-483. 
[49]. Y. Wu, F. Wei, S. Liu, N. Au, W. Cui, H. Zhou, and H. Qu, OpinionSeer: interactive visualization of 
hotel customer feedback, IEEE transactions on visualization and computer graphics, 2010, vol. 6, 
no. 16, pp. 1109-1118. 
Ngày nhận bài: 04/07/2020 
Ngày chấp nhận đăng: 17/06/2020