Hệ Thống Hỏi Đáp Dựa Trên Đồ Thị Tri Thức COVID-19

• Người hướng dẫn: Dr. Nguyễn Lưu Thùy Ngân
• Trường học: Vietnam National University Ho Chi Minh City
• Chuyên ngành: Bachelor of Engineering in Information Systems
• Đề tài: Hệ Thống Hỏi Đáp Dựa Trên Đồ Thị Tri Thức COVID-19
• Loại tài liệu: thesis
• Năm xuất bản: 2021
• Địa điểm: Ho Chi Minh City

• ACKNOWLEDGMENTS
• ABSTRACTS
• TABLE OF CONTENTS
• 1. CHAPTER 1: INTRODUCTION
• 1.1. Research questions and targets
• 1.2. Targets
• 1.3. Problem Statement
• 2. CHAPTER 2: BACKGROUND AND RELATED WORK
• 2.1. Semantic web technologies
• 2.2. Web Ontology Language (OWL)
• 2.3. Discrimination of knowledge graph
• 2.4. Question Answering over Knowledge Graph
• 3. CHAPTER 3: TOWARDS QUESTION ANSWERING OVER KNOWLEDGE GRAPH BENCHMARK CORPORA
• 3.1. Question Type Classification
• 3.2. GROUP BY-HAVING
• 4. CHAPTER 4: VIETNAMESE DBPEDIA KNOWLEDGE GRAPH
• 4.1. Vietnamese DBpedia generation
• 4.2. Raw Infobox Extraction
• 4.3. Mapping-Based Infobox Extraction
• 4.4. Relations and Predicates
• 5. CHAPTER 5: QUESTION ANSWERING OVER KNOWLEDGE GRAPH METHODOLOGY
• 5.1. Subgraph matching techniques
• 5.2. Template-based technique
• 5.3. Information retrieval-based technique
• 6. CHAPTER 6: EXPERIMENTS AND RESULTS
• 6.1. End-to-end Comparison
• 6.2. Influence of Question Taxonomy
• 6.3. Effects of Quantity of Question
• 6.4. The trade-off between English and Vietnamese
• 6.5. Summary
• 7. CHAPTER 7: QUESTION ANSWERING APPLICATION FOR QUESTION ANSWERING SYSTEMS OVER KNOWLEDGE GRAPH
• 7.1. Description of COVID-KGQA application
• 8. CHAPTER 8: CONCLUSION
• 8.1. Summary of the work
• 8.2. Future Directions
• REFERENCES
• LIST OF ABBREVIATIONS
• LIST OF TABLES
• LIST OF FIGURES

I. Tổng quan về Hệ Thống Hỏi Đáp Dựa Trên Đồ Thị Tri Thức COVID 19

Hệ thống hỏi đáp dựa trên đồ thị tri thức COVID-19 là một công nghệ tiên tiến giúp người dùng truy cập thông tin chính xác và nhanh chóng về đại dịch. Công nghệ này sử dụng các đồ thị tri thức để tổ chức và phân tích dữ liệu liên quan đến COVID-19, từ đó cung cấp câu trả lời cho các câu hỏi tự nhiên. Việc áp dụng hệ thống này không chỉ giúp nâng cao hiệu quả trong việc tìm kiếm thông tin mà còn hỗ trợ trong việc ra quyết định trong bối cảnh khủng hoảng sức khỏe toàn cầu.

1.1. Định nghĩa và vai trò của hệ thống hỏi đáp

Hệ thống hỏi đáp (QA) là công cụ cho phép người dùng đặt câu hỏi và nhận câu trả lời từ cơ sở dữ liệu. Đối với COVID-19, hệ thống này giúp cung cấp thông tin chính xác về virus, vaccine và các biện pháp phòng ngừa.

1.2. Lợi ích của việc sử dụng đồ thị tri thức

Đồ thị tri thức giúp tổ chức thông tin một cách có cấu trúc, cho phép truy xuất dữ liệu nhanh chóng và hiệu quả. Điều này đặc biệt quan trọng trong bối cảnh thông tin về COVID-19 liên tục thay đổi.

II. Thách thức trong việc phát triển hệ thống hỏi đáp COVID 19

Mặc dù hệ thống hỏi đáp dựa trên đồ thị tri thức mang lại nhiều lợi ích, nhưng vẫn tồn tại nhiều thách thức trong quá trình phát triển. Các vấn đề như độ chính xác của dữ liệu, khả năng hiểu ngữ nghĩa của câu hỏi và tốc độ phản hồi là những yếu tố cần được cải thiện. Đặc biệt, việc xử lý các câu hỏi phức tạp liên quan đến COVID-19 đòi hỏi hệ thống phải có khả năng phân tích và suy luận tốt.

2.1. Độ chính xác của dữ liệu

Độ chính xác của dữ liệu là yếu tố quan trọng nhất trong hệ thống hỏi đáp. Dữ liệu không chính xác có thể dẫn đến thông tin sai lệch, ảnh hưởng đến quyết định của người dùng.

2.2. Khả năng hiểu ngữ nghĩa

Hệ thống cần có khả năng hiểu ngữ nghĩa của câu hỏi để cung cấp câu trả lời phù hợp. Điều này đòi hỏi các thuật toán xử lý ngôn ngữ tự nhiên phải được cải tiến liên tục.

III. Phương pháp phát triển hệ thống hỏi đáp COVID 19 hiệu quả

Để phát triển một hệ thống hỏi đáp hiệu quả, cần áp dụng các phương pháp tiên tiến trong lĩnh vực trí tuệ nhân tạo và học máy. Việc xây dựng một cơ sở dữ liệu đồ thị tri thức phong phú và đa dạng là rất quan trọng. Ngoài ra, việc sử dụng các mô hình học sâu để cải thiện khả năng hiểu ngữ nghĩa cũng là một yếu tố then chốt.

3.1. Xây dựng cơ sở dữ liệu đồ thị tri thức

Cơ sở dữ liệu đồ thị tri thức cần được xây dựng từ nhiều nguồn thông tin khác nhau, bao gồm dữ liệu từ các tổ chức y tế, nghiên cứu khoa học và thông tin từ cộng đồng.

3.2. Ứng dụng mô hình học sâu

Mô hình học sâu có thể giúp cải thiện khả năng phân tích ngữ nghĩa và cung cấp câu trả lời chính xác hơn cho các câu hỏi phức tạp.

IV. Ứng dụng thực tiễn của hệ thống hỏi đáp COVID 19

Hệ thống hỏi đáp dựa trên đồ thị tri thức COVID-19 đã được áp dụng trong nhiều lĩnh vực khác nhau, từ giáo dục đến y tế. Các ứng dụng này không chỉ giúp người dùng tìm kiếm thông tin mà còn hỗ trợ các chuyên gia trong việc ra quyết định. Việc sử dụng hệ thống này đã chứng minh được hiệu quả trong việc nâng cao nhận thức cộng đồng về COVID-19.

4.1. Hỗ trợ giáo dục

Hệ thống hỏi đáp có thể được sử dụng trong các khóa học trực tuyến để cung cấp thông tin chính xác về COVID-19 cho sinh viên và giảng viên.

4.2. Hỗ trợ ra quyết định trong y tế

Các chuyên gia y tế có thể sử dụng hệ thống để truy xuất thông tin nhanh chóng, từ đó đưa ra các quyết định kịp thời trong công tác phòng chống dịch.

V. Kết luận và tương lai của hệ thống hỏi đáp COVID 19

Hệ thống hỏi đáp dựa trên đồ thị tri thức COVID-19 đã cho thấy tiềm năng lớn trong việc cung cấp thông tin chính xác và kịp thời. Tương lai của hệ thống này sẽ phụ thuộc vào việc cải tiến công nghệ và mở rộng cơ sở dữ liệu. Việc tích hợp các công nghệ mới như trí tuệ nhân tạo và học máy sẽ giúp nâng cao hiệu quả của hệ thống trong việc phục vụ cộng đồng.

5.1. Tiềm năng phát triển

Với sự phát triển không ngừng của công nghệ, hệ thống hỏi đáp có thể mở rộng ra nhiều lĩnh vực khác nhau, không chỉ giới hạn trong COVID-19.

5.2. Tích hợp công nghệ mới

Việc tích hợp các công nghệ mới sẽ giúp cải thiện khả năng phản hồi và độ chính xác của hệ thống, từ đó phục vụ tốt hơn cho người dùng.