Ứng dụng deep learning trong dự đoán hạng mức tài trợ cho người tham dự sự kiện

Abstract

Trong bối cảnh ngành du lịch chuyển đổi số và hội nhập quốc tế, việc nâng cao hiệu quả xét duyệt và tài trợ người mua quốc tế tại các sự kiện xúc tiến, đặc biệt là Hội chợ Du lịch Quốc tế TP.HCM (ITE HCMC), có ý nghĩa quan trọng đối với phát triển thị trường B2B. Người mua quốc tế là cầu nối giữa doanh nghiệp Việt Nam và thị trường nước ngoài, ảnh hưởng trực tiếp đến khả năng hợp tác và thu hút khách. Tuy nhiên, quy trình xét duyệt hiện nay vẫn mang tính thủ công, dễ thiên lệch và tốn nhiều nguồn lực, đòi hỏi giải pháp ứng dụng công nghệ nhằm gia tăng tính minh bạch và hiệu quả. Luận văn đề xuất mô hình hai giai đoạn ứng dụng trí tuệ nhân tạo để phân loại hạng mức tài trợ cho người mua quốc tế. Giai đoạn đầu sử dụng PhoBERT để trích xuất đặc trưng ngữ nghĩa và gán nhãn khu vực điểm đến từ mô tả doanh nghiệp. Giai đoạn tiếp theo triển khai các mô hình học máy, học sâu (MLP, XGBoost) nhằm dự đoán hạng mức tài trợ CAT A, CAT B hoặc REJECT; đồng thời thử nghiệm mô hình Soft Voting để cải thiện tính ổn định. Kết quả cho thấy PhoBERT đạt F1-score trung bình 0.81 trên 500 mẫu gán nhãn thủ công, tạo nền tảng đặc trưng vững chắc. mô hình MLP thể hiện khả năng phát hiện ứng viên tiềm năng tốt nhất nhờ độ bao phủ cao, trong khi mô hình XGBoost vượt trội về độ chính xác, đặc biệt hiệu quả trong việc sàng lọc và hạn chế chọn nhầm hồ sơ không phù hợp. Soft Voting giúp cân bằng giữa hai mục tiêu nhưng còn hạn chế ở các nhãn khó phân biệt. Nghiên cứu góp phần nâng cao tính chính xác và chuyên nghiệp hóa quy trình xét duyệt người mua quốc tế trong lĩnh vực xúc tiến du lịch