Khóa luận tốt nghiệp: Giải quyết bài toán đồng tham chiếu trong văn bản tiếng Việt dựa vào phương pháp máy vector hỗ trợ SVM

Bài toán đồng tham chiếu trong văn bản là một vấn đề trọng tâm trong xử lý ngôn ngữ tự nhiên (NLP), đóng vai trò thiết yếu trong việc hiểu ngữ nghĩa của văn bản và nâng cao hiệu quả của nhiều ứng dụng khác như trích xuất thông tin, hỏi đáp tự động và tóm tắt văn bản. Đặc biệt, đối với ngôn ngữ tiếng Việt, bài toán này đặt ra nhiều thách thức do tính phức tạp ngôn ngữ và sự hạn chế về nguồn tài nguyên chuẩn. Nhận thức được tầm quan trọng này, nghiên cứu đề xuất một phương pháp tiếp cận mới để giải quyết bài toán đồng tham chiếu trong văn bản tiếng Việt dựa trên phương pháp máy vector hỗ trợ (SVM), nhằm cải thiện độ chính xác và khả năng ứng dụng thực tiễn.

Nghiên cứu sinh, sinh viên, các nhà khoa học và kỹ sư trong lĩnh vực xử lý ngôn ngữ tự nhiên, học máy, đặc biệt là những người quan tâm đến phân tích ngôn ngữ tiếng Việt.

Bài toán đồng tham chiếu là quá trình xác định và nhóm các cụm từ (ngữ danh từ hoặc đại từ) trong một tài liệu cùng chỉ tới một thực thể duy nhất trong thế giới thực, tạo nên các chuỗi đồng tham chiếu. Đây là một khía cạnh khó khăn nhưng quan trọng trong xử lý ngôn ngữ tự nhiên, đặc biệt đối với tiếng Việt do tính phức tạp về ngữ pháp và nguồn tài nguyên hạn chế. Việc giải quyết thành công bài toán này sẽ cải thiện đáng kể chất lượng của các ứng dụng NLP khác như trích xuất thông tin, hệ thống hỏi đáp tự động và tóm tắt văn bản. Khóa luận này tập trung vào việc giải quyết bài toán đồng tham chiếu trong văn bản tiếng Việt bằng cách ứng dụng phương pháp máy vector hỗ trợ (SVM). Ý tưởng chính là chuyển đổi các cặp cụm từ tiềm năng thành các vector đặc trưng, thể hiện mối quan hệ ngữ nghĩa giữa chúng, sau đó sử dụng bộ phân lớp SVM để xác định tính chất đồng tham chiếu. Dữ liệu học được xây dựng từ nội dung các bài báo trong chuyên mục Văn hóa – xã hội của báo điện tử Vnexpress.net. Kết quả thực nghiệm ban đầu cho thấy mô hình đề xuất đạt độ chính xác 76,51%, cao hơn đáng kể so với mô hình cơ sở chỉ đạt 73,79%. Điều này khẳng định tính khả thi và tiềm năng ứng dụng thực tế của phương pháp SVM trong việc nâng cao hiệu quả nhận dạng đồng tham chiếu cho ngôn ngữ tiếng Việt.