Tóm tắt Đề án Thạc sĩ: Phát triển mô hình Text mining dựa trên kỹ thuật machine learning cho tóm tắt văn bản tiếng Việt

Trong bối cảnh kỷ nguyên số hóa thông tin bùng nổ, sự gia tăng nhanh chóng của dữ liệu điện tử, đặc biệt là dữ liệu không có cấu trúc chiếm phần lớn (ước tính 85% dữ liệu doanh nghiệp), đã đặt ra thách thức lớn về khả năng xử lý và khai thác thông tin. Tri thức được tạo ra từ dữ liệu là yếu tố then chốt giúp các tổ chức duy trì lợi thế cạnh tranh. Điều này làm nổi bật tầm quan trọng của khai thác văn bản (Text Mining) trong bối cảnh doanh nghiệp hiện đại. Đặc biệt, đối với tiếng Việt, việc xử lý lượng lớn thông tin và nhu cầu tóm tắt văn bản tự động trở nên cấp thiết nhằm tiết kiệm thời gian và nâng cao hiệu suất nắm bắt thông tin. Nghiên cứu này tập trung vào việc phát triển một mô hình Text Mining dựa trên kỹ thuật Machine Learning để giải quyết bài toán tóm tắt văn bản tiếng Việt, góp phần vào sự phát triển của trí tuệ nhân tạo và xử lý ngôn ngữ tự nhiên.

Nghiên cứu sinh, học viên, chuyên gia và những người quan tâm đến lĩnh vực Xử lý ngôn ngữ tự nhiên, Khai thác dữ liệu văn bản, Học máy và Trí tuệ nhân tạo, đặc biệt trong ngữ cảnh tiếng Việt.

Đề tài này giải quyết vấn đề quá tải thông tin trong kỷ nguyên số, nơi phần lớn dữ liệu doanh nghiệp tồn tại dưới dạng không cấu trúc. Nhấn mạnh rằng khả năng khai thác tri thức từ nguồn dữ liệu này là yếu tố sống còn cho lợi thế cạnh tranh, nghiên cứu tập trung vào phát triển một mô hình tóm tắt văn bản tự động hiệu quả cho tiếng Việt. Phương pháp tiếp cận chính là phát triển một mô hình tóm tắt văn bản trích xuất, đặc biệt thiết kế cho tiếng Việt, dựa trên các kỹ thuật Text Mining và Machine Learning tiên tiến. Mục tiêu là lựa chọn và kết hợp các câu quan trọng nhất từ văn bản gốc để tạo ra bản tóm tắt ngắn gọn nhưng vẫn giữ được nội dung cốt lõi. Quá trình phát triển bao gồm tiền xử lý văn bản bằng các công cụ như nltk và pyvi, chuyển đổi văn bản thành vector sử dụng FastText và TF-IDF, và tóm tắt văn bản bằng KMeans. Mô hình được xây dựng và đánh giá trên bộ dữ liệu VNDS (A Vietnamese Dataset for Summarization) – một tài nguyên quan trọng cho nghiên cứu tóm tắt văn bản tiếng Việt, phản ánh sự đa dạng của ngôn ngữ và văn hóa Việt Nam. Để đảm bảo tính hiệu quả, mô hình sẽ được so sánh và đánh giá với các mô hình hiện có như ViT5, BARTpho, mBART, và Transformer, sử dụng các chỉ số như ROUGE. Ứng dụng của mô hình này sẽ tăng cường khả năng xử lý thông tin trong bối cảnh dữ liệu lớn, thúc đẩy sự phát triển của trí tuệ nhân tạo trong lĩnh vực ngôn ngữ tự nhiên và có giá trị thực tiễn rộng rãi trong nhiều ngành như giáo dục, kinh doanh, y tế và công nghệ thông tin.