Tóm tắt Luận văn Thạc sĩ: Ứng dụng máy học trong tạo sinh câu trả lời cho hệ thống hỏi - đáp

Trong bối cảnh công nghệ số hóa và nhu cầu tương tác người dùng ngày càng tăng, các hệ thống hỏi đáp (Question-Answering Systems - QAS) đóng vai trò then chốt trong việc cung cấp thông tin hiệu quả. Đặc biệt, khả năng tạo sinh câu trả lời tự động đã trở thành một giải pháp đột phá, giúp cải thiện đáng kể trải nghiệm khách hàng và tối ưu hóa hoạt động vận hành trong nhiều lĩnh vực, từ thương mại điện tử đến dịch vụ khách hàng. Tuy nhiên, việc xử lý ngôn ngữ tự nhiên tiếng Việt, với sự phức tạp và đa nghĩa đặc trưng, vẫn đặt ra nhiều thách thức trong việc xây dựng các QAS có khả năng phản hồi tự nhiên và chính xác. Luận văn này đi sâu vào nghiên cứu và ứng dụng các mô hình máy học và học sâu để phát triển một hệ thống tạo sinh câu trả lời, nhằm giải quyết những hạn chế hiện tại và khai thác tối đa tiềm năng của công nghệ này.

Nghiên cứu sinh, sinh viên, kỹ sư phần mềm, và các nhà khoa học dữ liệu trong lĩnh vực Trí tuệ Nhân tạo, Xử lý Ngôn ngữ Tự nhiên, Hệ thống Thông tin, đặc biệt là những người quan tâm đến phát triển chatbot và hệ thống hỏi-đáp thông minh.

Luận văn tập trung vào việc ứng dụng máy học trong tạo sinh câu trả lời cho hệ thống hỏi-đáp, giải quyết các thách thức cố hữu của xử lý ngôn ngữ tự nhiên trong bối cảnh các chatbot và QAS. Nghiên cứu bắt đầu bằng việc tổng quan về QAS, các mô hình trả lời tự động và các lý thuyết nền tảng. Sau đó, luận văn trình bày các công trình nghiên cứu trong và ngoài nước liên quan, làm rõ bối cảnh phát triển của lĩnh vực này. Điểm cốt lõi là đề xuất phương pháp xây dựng bộ dữ liệu huấn luyện và áp dụng các thư viện như Keras và Tensorflow trong Machine Learning để xây dựng mô hình từ chuỗi văn bản. Đặc biệt, luận văn khám phá sâu về kiến trúc mạng nơ-ron nhân tạo (Artificial Neural Network – ANN), mạng nơ-ron tuần hoàn (Recurrent Neural Network – RNN) và bộ nhớ ngắn hạn dài (Long Short-Term Memory – LSTM) để xử lý dữ liệu tuần tự và tạo sinh câu trả lời. Nghiên cứu phân tích ưu nhược điểm của hai hướng tiếp cận chính: trích chọn thông tin (Retrieval-based) và mô hình sinh (Generative-based), nhấn mạnh tiềm năng vượt trội của mô hình sinh trong việc tạo ra câu trả lời mới mẻ và có ngữ cảnh. Cuối cùng, luận văn trình bày chi tiết quá trình cài đặt mô hình, đánh giá kết quả thực nghiệm và đề xuất hướng phát triển tiếp theo. Các phương pháp này hứa hẹn cải thiện đáng kể độ chính xác và tính tự nhiên của câu trả lời, góp phần nâng cao hiệu suất của các hệ thống hỏi đáp tiếng Việt.