Tóm tắt Đề án tốt nghiệp Thạc sĩ: Nghiên cứu phương pháp tóm tắt văn bản và thử nghiệm với dữ liệu tiếng Lào

Trong bối cảnh hội nhập khu vực và mối quan hệ bền chặt giữa Việt Nam và Lào, rào cản ngôn ngữ vẫn là một thách thức đáng kể, ảnh hưởng đến giao tiếp và hợp tác. Sự phát triển mạnh mẽ của dữ liệu văn bản trực tuyến đòi hỏi các giải pháp hiệu quả để xử lý và tổng hợp thông tin. Các ứng dụng của xử lý ngôn ngữ tự nhiên (NLP), đặc biệt là tóm tắt văn bản, trở nên vô cùng quan trọng. Tuy nhiên, việc nghiên cứu các phương pháp tóm tắt văn bản cho tiếng Việt và tiếng Lào còn hạn chế. Nghiên cứu này nhằm mục tiêu tìm hiểu, khảo sát các phương pháp NLP hiện đại trong tóm tắt văn bản và thử nghiệm chúng với dữ liệu tiếng Lào, góp phần khắc phục rào cản ngôn ngữ và thúc đẩy trao đổi thông tin.

Các nhà nghiên cứu và kỹ sư trong lĩnh vực Xử lý Ngôn ngữ Tự nhiên (NLP), học máy, tin học; sinh viên và giảng viên ngành Khoa học Máy tính quan tâm đến các giải pháp xử lý ngôn ngữ cho tiếng Việt và tiếng Lào; các nhà phát triển hệ thống tóm tắt văn bản và dịch máy.

Đề án này tập trung nghiên cứu sâu rộng các phương pháp tóm tắt văn bản bằng cách ứng dụng các kỹ thuật xử lý ngôn ngữ tự nhiên (NLP) tiên tiến, đặc biệt là trên dữ liệu tiếng Việt và tiếng Lào. Nghiên cứu đặt trọng tâm vào việc đánh giá hiệu quả của các mô hình tóm tắt đối với đặc thù ngôn ngữ ít tài nguyên. Chương 1 trình bày tổng quan về tóm tắt văn bản, giới thiệu các khái niệm cơ bản của NLP, vai trò của nó trong khai thác thông tin và các đặc điểm riêng biệt của tiếng Việt và tiếng Lào trong bài toán này, đồng thời đặt ra vấn đề nghiên cứu cần giải quyết. Chương 2 đi sâu vào việc khảo sát và đánh giá các phương pháp tóm tắt văn bản sử dụng NLP, bao gồm phân tích các mô hình hiện đại như Transformer, Encoder-Decoder, cũng như các kỹ thuật tóm tắt trích xuất và trừu tượng (ví dụ: TF-IDF, TextRank, SVM, RNN, LSTM, BERT, T5, BART). Chương này cũng đề xuất mô hình thử nghiệm cho tiếng Việt và tiếng Lào, và thảo luận về các phương pháp tạo lập tập dữ liệu cần thiết. Chương 3 chi tiết hóa quá trình thử nghiệm mô hình tóm tắt văn bản trên dữ liệu tiếng Việt và tiếng Lào, bao gồm thiết lập môi trường, xây dựng các tập dữ liệu từ VietNews và LaoNewsClassification, huấn luyện mô hình, đánh giá hiệu năng và phân tích kết quả. Nghiên cứu này không chỉ đóng góp vào việc phát triển các công cụ hỗ trợ xử lý ngôn ngữ cho tiếng Việt và tiếng Lào mà còn tạo nền tảng vững chắc cho việc xây dựng hệ thống dịch tự động đa ngôn ngữ trong tương lai, từ đó nâng cao hiệu quả giao tiếp và hợp tác khu vực.